如何使用java忽略Tesseract OCR中的特殊字符
我使用java通过Tesseract OCR从图像中提取了文本。但输出由一些特殊字符组成，因为图像包含一些符号。
我想忽略所有特殊字符，只显示文本。我有办法做到吗？
共有1个答案
在tesseract中，可以设置TessBaseAPI。VAR_CHAR_白名单和TessBaseAPI。VAR_CHAR_BLACKLIST以忽略某些特殊字符。
以下操作将使tesseract只能识别A-Z和数字
String whiteList = "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
tessBaseApi.setVariable(TessBaseAPI.VAR_CHAR_WHITELIST,whiteList);
下一个片段将允许您识别除~和fl之外的所有内容
String blackList = "~fl";
tessBaseApi.setVariable(TessBaseAPI.VAR_CHAR_BLACKLIST,blackList );
另外，请注意，正如tesseract github问题中提到的，您不能使用tesseract 4.0 Alpha LSTM来黑名单或白名单字符，相反，您应该使用图像上预期的字符来训练LSTM。
当然，如果你想-你仍然可以使用3.*版本的tesseract，它的tessdata位于这里
-
使用Umbraco v6，检查搜索（不是完整的Lucene查询）。这是一个拉丁/南美洲网站。我问过我的同事，他们如何在搜索/URL中键入标题（字母上的重音符号），他们都说他们没有，他们只使用“常规”字符（a-Z，a-Z）。 我知道在传递到Examine时如何从字符串中去掉特殊字符，但我需要另一种方法，如Examine从属性中删除特殊字符以匹配查询。我有许多“节点”的名称中有标题（这是我正在搜索的属
-
我有一个将大写/小写字符串转换为大写字符串的正则表达式。问题是，在我的国家，名字中有特殊字符是很正常的，这让我的反应很不舒服 如果我对“JOAO CARLOS NOBREGA”使用此方法，则返回“JOAO CARLOS NOBREGA”。但如果我将此方法用于“JOÃO CARLOS NOBREGA”，则返回“JOÃO CARLOS NOBREGA”。我如何解决这个问题？
-
问题内容： 如何在Java / Eclipse中使用/显示♥，♦，♣或like等字符？ 当我尝试直接使用它们时，例如在源代码中，Eclipse无法保存文件。 我能做什么？ 编辑：如何找到Unicode转义序列？ 问题答案： 问题在于，您使用的字符无法在文件设置为（Cp1252）的编码中表示。从我的角度来看，您基本上有两个选择： 选项1. 更改编码。 根据IBM的介绍，您应该将编码设置为UTF-8。
-
关于字符集和替代字形 除键盘上可看到的字符之外，字体中还包括许多字符。根据字体的不同，这些字符可能包括连字、分数字、花饰字、装饰字、序数字、标题和文体替代字、上标和下标字符、变高数字和全高数字。字形是特殊形式的字符。例如，在某些字体中，大写字母 A 有几种形式可用，如花饰字或小型大写字母。 插入替代字形的方式有三种： 可以使用选择上下文菜单来查看和插入适用于所选字符的字形。 可以使用“字形”面板来
-
问题内容： 有人知道是否可以对SQL Server数据库中的列进行％LIKE％搜索，但可以忽略该列中的任何特殊字符吗？ 因此，例如，如果我有一个名为“歌曲”的列，并且其中包含以下内容… 黑或白 直到布鲁克林不睡觉 船歌 爸爸别讲 如果用户搜索“直到布鲁克林之前都不会偷偷摸摸”，那么即使他们忘记了撇号，我也希望它返回一个匹配项。如果他们搜索“ SOUL”，我也希望它返回第四行。我确定你知道这个主意。
-
我的回文程序有一点逻辑错误，当我在字符串的前面或后面插入特殊字符时，我得到一个指示，表明该字符串不是回文。我正在编写回文，以便在考虑字符串时忽略所有特殊字符。例如，@bob将被认为不是回文，而b@ob将被认为是回文。我该如何编辑我的代码，使特殊字符被忽略，而不管位置在哪里？所有这些都是通过递归完成的。 ''' import java.util.Scanner; 公共类递归练习{ } '''