OCR Library gesucht

[beta20]

Hallo zusammen,

hat schon Mal jemand Erfahrung mit einer OCR Lib gemacht.
Am Besten brauche ich eine lizenzfrei .jar - Datei, die ich in mein Projekt einbinden kann.
Das ganze soll dannso ablaufen, dass ich:

a) Über 1-2 Zeilen Code mein Bild, PDF einlese
b) Ich einen String herausbekomme mit dem entsprechenden Text, was in dem Bild / PDF steht...

Kann hier jemand Tipps oder Empfehlungen geben?

Danke

 

[prgprg]

https://sourceforge.net/projects/javaocr/
Keine Ahnung ob es was taugt.

Ich nutze immer gocr, für meine Zwecke das Beste, allerdings kein Java.

Von PDFs kannst du den Text auch ohne OCR extrahieren wenn der Text nicht als Bild eingebunden ist.

 

[looparda]

https://github.com/nguyenq/tess4j

 

[beta20]

https://github.com/nguyenq/tess4j

danke, das sieht schon Mal ganz gut aus.... Hast du das selbst schon Mal probiert?
Das mit dem Einbinden der .dll - Dateien ist mir nicht ganz klar..?

 

[looparda]

Ich hab die Library mal ausprobiert und mit kleinen Problemen bei der Installation von tesseract auf OSX funktioniert der Beispielcode von der verlinkten Seite. Wo hakt es denn?
So wie ich es verstehe musst du nur das redist installierten, wenn du auf Windows arbeitest.
"Tesseract and Leptonica Windows 32- and 64-bit DLLs are embedded in tess4j.jar and lept4j.jar, respectively. They will automatically be extracted and loaded at run-time. Since the DLLs are compiled with Visual Studio 2015, please ensure you have Visual C++ 2015 Redistributable installed."
In der GitHub readme steht jedoch 2017.

 

[beta20]

was meinst du mit"redist" ?
Vermutlich die Visual C++ 2015 Redistributable ?

Was muss ich bei Linux installieren?

 

[looparda]

Ja richtig, redist habe ich für Visual C++ 2015 Redistributable abgekürzt. Wobei die Abkürzung durch diese Erklärung wiederum wohl nichts gebracht hat.
Wenn du auf Linux bist kannst du mit dll's wohl sehr wenig anfangen.
Tesseract musst du installieren 🙄