Bezmaksas Ruby bibliotēka attēlu konvertēšanai uz tekstu un meklējamiem PDF
Atvērtā koda Ruby OCR bibliotēka, kas ļauj programmatūras izstrādātājiem veikt optisko rakstzīmju atpazīšanu, lai izvilktu tekstu no skenētiem dokumentiem, attēliem vai pat ekrānattēliem
Kas ir RTesseract?
Optiskā rakstzīmju atpazīšana (OCR) kalpo kā pārveidojošs tilts starp vizuālo mediju un digitālo datu, ļaujot mašīnām precīzi izvilkt tekstu no attēliem un skenētiem dokumentiem. Ruby ekosistēmas izstrādātājiem atvērtā koda bibliotēka RTesseract nodrošina augstas efektivitātes piekļuvi Tesseract OCR dzinēja jaudai. Sākotnēji izstrādāts Hewlett‑Packard un vēlāk pilnveidots Google, Tesseract ir plaši atzīts kā vadošais risinājums attēlu‑teksta pārveidei. Darbojoties kā izsmalcināta saskarne, RTesseract ļauj nevainojami integrēt Tesseract OCR jebkurā Ruby projektā, novēršot vajadzību manuāli pārvaldīt sarežģītas komandrindas mijiedarbības, vienlaikus saglabājot precizitāti, kas nepieciešama profesionāla līmeņa dokumentu digitalizācijai.
Pāri tam, ka ir viegli lietojams, RTesseract ir daudzpusīga Ruby bibliotēka, kas izstrādāta, lai atbalstītu plašu attēlu formātu klāstu, tostarp PNG, JPEG, BMP un TIFF. Šī elastība nodrošina saderību ar praktiski jebkuru vizuālo avotu, bet tās spēja izmantot Tesseract globālos datu failus ļauj veikt daudzvalodu teksta atpazīšanu ar augstu uzticamību. Lai vēl vairāk uzlabotu datu integritāti, bibliotēka nodrošina pārliecības punktus katram atpazītajam vārdam, ļaujot izstrādātājiem programmatūrā novērtēt OCR rezultāta kvalitāti. Kā atvērtā koda projekts, RTesseract piedāvā izdevīgu, pielāgojamu un stabilu risinājumu komandām, kas vēlas automatizēt datu izguves darba plūsmas un izveidot gudrākas, uz tekstu orientētas Ruby lietojumprogrammas.
Kā sākt ar RTesseract
Ieteicamais veids, kā instalēt RTesseract, ir izmantojot Rubygems. Lūdzu, izmantojiet šādu komandu, lai instalācija noritētu gludi.
Instalējiet RTesseract caur Rubygems
$ gem install rtesseract Instalējiet RTesseract caur GitHub
git clone https://github.com/dannnylo/rtesseract.git Jūs varat lejupielādēt kompilēto koplietojamo bibliotēku no GitHub krātuves.
Attēla uz teksta pārveidošana, izmantojot Ruby API
RTesseract bibliotēka ļauj izstrādātājiem viegli ielādēt un pārveidot attēlu par tekstu Ruby lietojumprogrammās. Visvienkāršākais lietošanas gadījums ir attēla pārveidošana par teksta virkni. Ar dažām koda rindām varat izvilkt tekstu no attēla faila. Šis sekojošais koda piemērs ielādē attēlu un apstrādā to ar Tesseract, atgriežot atpazīto tekstu kā Ruby virkni, izmantojot Ruby komandas.
Kā ielādēt attēlu un pārvērst to tekstā, izmantojot Ruby API?
require 'rtesseract'
image = RTesseract.new("path/to/your_image.jpg")
text = image.to_s
puts "Extracted Text: #{text}"
Attēla pārveidošana uz meklējamu PDF, izmantojot Ruby
Atvērtā koda RTesseract bibliotēka nodrošina pilnīgu atbalstu attēla pārveidošanai par meklējamu PDF, saglabājot attēla izkārtojumu un krāsas Ruby lietojumprogrammās. Šis sekojošais piemērs parāda, kā programmatūras izstrādātāji var ielādēt un ģenerēt meklējamu PDF dokumentu no attēliem, izmantojot Ruby komandas.
Kā pārvērst JPEG attēlu meklējamu PDF failā, izmantojot Ruby bibliotēku?
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)
Pielāgota konfigurācija Tesseract
Atvērtā koda RTesseract bibliotēka ļauj programmatūras profesionāļiem konfigurēt Tesseract iestatījumus, piemēram, valodu, lapas segmentācijas režīmu, ierobežot OCR uz ciparu atpazīšanu un OCR dzinēja režīmu. Tas ļauj precīzāk pielāgot OCR procesu, lai sasniegtu labāku precizitāti. Jūs varat pielāgot Tesseract iestatījumus, izmantojot config opciju. Šajā piemērā psm (lapas segmentācijas režīms) ir iestatīts uz 6, un oem (OCR dzinēja režīms) ir iestatīts uz 1.
Kā pielāgot Tesseract iestatījumus Ruby lietojumprogrammās?
image = RTesseract.new('path/to/image.png', config: { psm: 6, oem: 1 })
text = image.to_s
puts text
Daudzvalodu atbalsts
Ja jūsu attēls satur tekstu konkrētā valodā, precizitāti var uzlabot, norādot valodu. Bibliotēka atbalsta tādas valodas kā angļu (noklusējums), vācu, franču, itāļu, holandiešu, portugāļu, spāņu, vjetnamiešu un citas. Lūdzu, pārliecinieties, ka atbilstošais valodas pakotne ir instalēta kopā ar Tesseract. Šajā piemēra valodas opcija ir iestatīta uz 'fra' franču valodai. Jūs varat izmantot jebkuru Tesseract atbalstītu valodas kodu.
Kā pārvērst attēlu tekstā citās valodās, izmantojot Ruby bibliotēku?
image = RTesseract.new('path/to/image.png', lang: 'fra') # French language
text = image.to_s
puts text
