Leabharlann Ruby Saor chun Íomhá a thiontú go Téacs & PDFanna Inbhreathnaithe
Leabharlann OCR Ruby Foinse Oscailte a chuireann ar chumas forbróirí bogearraí a dhéanamh ar Aithint Carachtair Optúil chun téacs a bhaint as cáipéisí scannta, íomhánna, nó fiú scáileáin
Cad é RTesseract?
Tá Aithint Carachtar Optúil (OCR) mar dhroichead athraitheach idir meáin radhairc agus sonraí digiteacha, ag cumasú meaisíní téacs a bhaint as íomhánna agus doiciméid scanáilte le cruinneas. Do fhorbróirí laistigh den éiceachórais Ruby, soláthraíonn leabharlann oscailte RTesseract geata ard-éifeachtúlachta chuig cumhacht innill OCR Tesseract. Bunaíodh é ar dtús ag Hewlett-Packard agus feabhsaíodh é níos mó ag Google, tá Tesseract aitheanta go forleathan mar réiteach den chéad scoth le haghaidh tiontú íomhá-go-téacs. Trí ghníomhú mar chomhéadan casta, ligeann RTesseract comhtháthú gan uaim de OCR Tesseract i ngach tionscadal Ruby, ag baint an ghá le bainistíocht de láimh ar idirghníomhaíochtaí cómhaid-chomhshaoil chasta, agus ag coimeád an cruinneas atá ag teastáil le haghaidh digitithe doiciméadra leibhéil ghairmiúla.
Os cionn a éascaíocht úsáide, is leabharlann Ruby ilúsáideach é RTesseract a dearadh chun tacú le raon leathan formáidí íomhá, lena n-áirítear PNG, JPEG, BMP, agus TIFF. Cuireann an solúbthacht seo ar chumas comhoiriúnachta le beagnach aon fhoinse amhairc, agus ceadaíonn a chumas na comhaid shonraí domhanda de chuid Tesseract a úsáid chun téacs i dteangacha éagsúla a aithint le hiontaofacht ard. Chun sláine na sonraí a fheabhsú tuilleadh, soláthraíonn an leabharlann scóir muiníne do gach focal aitheanta, ag tabhairt deis d'fhorbróirí an chaighdeán an aschur OCR a mheas go cláir. Mar thionscadal foinse oscailte, cuireann RTesseract réiteach ar chostas íseal, inúsáidte agus láidir ar fáil do fhoirne atá ag iarraidh oibreacha aicmithe sonraí a uathoibriú agus feidhmchláir Ruby níos cliste, a thuigeann téacs a thógáil.
Ag tosú le RTesseract
Is é an bealach molta chun RTesseract a shuiteáil ná trí Rubygems a úsáid. Úsáid an t-ordú seo a leanas le haghaidh suiteáil réidh.
Suiteáil RTesseract trí Rubygems
$ gem install rtesseract Suiteáil RTesseract trí GitHub
git clone https://github.com/dannnylo/rtesseract.git Is féidir leat an leabharlann roinnte tiomsaithe a íoslódáil ón stór GitHub.
Comhshó Íomhá go Téacs trí API Ruby
Déanann leabharlann RTesseract sé éasca do fhorbróirí íomhá a luchtú agus a thiontú go téacs laistigh de fheidhmchláir Ruby. Is é an cás úsáide is simplí a íomhá a thiontú go teaghrán téacs. Le cúpla líne de chód amháin, is féidir leat téacs a bhaint as comhad íomhá. Lódálann an sampla cód thíos an íomhá agus í a phróiseáil le Tesseract, ag filleadh an téacs a aithníodh mar teaghrán Ruby ag baint úsáide as orduithe Ruby.
Conas Íomhá a Luchtú agus a Thiontú go Téacs trí API Ruby?
require 'rtesseract'
image = RTesseract.new("path/to/your_image.jpg")
text = image.to_s
puts "Extracted Text: #{text}"
Comhshó Íomhá go PDF Inbhreathnaithe trí Ruby
Tá tacaíocht iomlán curtha ar fáil ag leabharlann RTesseract foinse oscailte chun íomhá a thiontú go PDF inbharthach, ag caomhnú leagan amach agus dathanna na híomhá laistigh de fheidhmchláir Ruby. Taispeánann an sampla thíos conas is féidir le forbróirí bogearraí íomhá a luchtú agus doiciméad PDF inbharthach a ghiniúint ag baint úsáide as orduithe Ruby.
Conas Íomhá JPEG a Thiontú go Comhad PDF Inathraithe trí Leabharlann Ruby?
require 'rtesseract'
image = RTesseract.new("path/to/my_image.jpg")
pdf_file = image.to_pdf # Returns an open file handle for the PDF
File.write("output.pdf", pdf_file.read)
Cumraíocht Saincheaptha do Tesseract
Ceadaíonn leabharlann RTesseract foinse oscailte do shaineolaithe bogearraí socruithe Tesseract a chumrú, mar shampla teanga, mód deighilt leathanaigh, teorainn a chur ar OCR chun aitheantas digití agus mód innill OCR. Cuireann sé seo ar do chumas an próiseas OCR a shaincheapadh le haghaidh cruinneachta níos fearr. Is féidir leat socruithe Tesseract a shaincheapadh ag baint úsáide as an rogha config. Sa shampla thíos, tá psm (mód deighilt leathanaigh) socraithe go 6, agus oem (mód innill OCR) socraithe go 1.
Conas Socruithe Tesseract a Chustaimiú i d'Aipeanna Ruby?
image = RTesseract.new('path/to/image.png', config: { psm: 6, oem: 1 })
text = image.to_s
puts text
Tacaíocht Ilteangach
Má tá téacs i dteanga ar leith i do íomhá, is féidir leat cruinneas a fheabhsú trí theanga a shonrú. Tacaíonn an leabharlann le teangacha mar Bhéarla (réamhshocrú), Gearmáinis, Fraincis, Iodáilis, Ollainnis, Portaingéilis, Spáinnis, Vítneamais, srl. Cinntigh go bhfuil an pacáiste teanga comhfhreagrach suiteáilte le Tesseract. Sa sampla seo a leanas, tá an rogha 'lang' socraithe go 'fra' do Fhraincis. Is féidir leat aon chód teanga a dtacaíonn Tesseract leis a úsáid.
Conas Íomhá a Thiontú go Téacs i dTeangacha Eile trí Leabharlann Ruby?
image = RTesseract.new('path/to/image.png', lang: 'fra') # French language
text = image.to_s
puts text
