彩票走势图

使用LEADTOOLS OCR增强Google Drive搜索

原创|使用教程|编辑:龚雪|2015-07-21 10:30:48.000|阅读 259 次

概述:Google Drive是存储、组织和分析文件如文档、图片和视频等的完美服务。但是,TIFF和其他光栅图像文件很容易被忽略,因为Google Drive的搜索功能非常有限。有了LEADTOOLS,就能使用OCR 文字识别提取每个项的文本,并将它添加到IndexableTextData中。这些完成后,就可以像搜索基于文本的文档如DOC或PDF一样搜索光栅图像文件了。

# 慧都年终大促·界面/图表报表/文档/IDE等千款热门软控件火热促销中 >>

相关链接:

Google Drive是存储、组织和分析文件如文档、图片和视频等的完美服务。但是,TIFF和其他光栅图像文件很容易被忽略,因为Google Drive的搜索功能非常有限。有了LEADTOOLS,就能使用OCR 文字识别提取每个项的文本,并将它添加到IndexableTextData中。这些完成后,就可以像搜索基于文本的文档如DOC或PDF一样搜索光栅图像文件了。

例如,有四个上传到Google Drive的普通TIFF文件。五个文件依次命名为OCR1到OCR4,因此只有基于文件名的搜索能力并不是完全有用的。

leadtools教程

对于人类的眼睛来说,这些图片只是文本,但是Google Drive只会将这些图像看做普通图片,当我们尝试搜索扫描文件的内部内容时不会返回任何东西。

leadtools教程

当无法搜索文件时,你的Google会变成什么样子?幸运的是,Google Drive让你不再迷茫,当搜索文本时,使用每个文档自定义的IndexableTextData元数据就可以了。在下面的例子中,我们为您展示了如何使用Google Drive找到基于文本内容的TIFF文档,且无需修改原始图像。

连接到Google Drive

应用程序的第一步是启用我们应用程序的Google Drive,检索ClientID和ClientSecret。在使用Google Drive API上传和修改TIFF文件时,我们会需要这些属性。然后,我们必须下载Google客户端库并在我们的解决方案中引用它。

关于设置.NET应用程序与Google Drive相连接的更多详细信息,

请访问 。

在应用程序中,我们会在WebBrowser中打开用户授权Url,这样用户就可以输入Google的用户名和密码。当用户登录后,我们可以从WebBrowser控件中获取授权信息。现在应用程序登录并授权访问Google Drive,我们就能在账户中搜索所有的TIFF文件了。

FileList fileList = googleDriveHelper.GetFilesList();
IEnumerable<File> tiffFilesEnumerable =
fileList.Items.Where(
   file => file.MimeType == "image/tiff" 
   && file.ExplicitlyTrashed != true 
   && file.UserPermission.Role == "owner");
 foreach (File file in tiffFilesEnumerable)
{
   UpdateIndexableTextData(file);
}
leadtools教程

使用LEADTOOLS OCR

最后,我们可以使用LEADTOOLS OCR文字识别引擎来获取每个TIFF文件的文本。

创建 IOcrEngine和IOcrDocument后,RecognizeText方法会返回一个字符串值,它是从页面中提取的全部内容,然后在 Google Drive中更新IndexableTextData元数据。

void UpdateIndexableTextData(File file) 
{  
   StringBuilder indexableText = new StringBuilder();  
   // 获取文档的一个.NET流  
   using (System.IO.Stream stream = googleDriveHelper.GetFileAsStream(file))  
   {  
      // 创建LEADTOOLS OCR引擎的一个实例  
      using (IOcrEngine ocrEngine =  
         OcrEngineManager.CreateEngine(OcrEngineType.Advantage, false))  
      {  
         // 使用默认参数启动引擎  
         ocrEngine.Startup(null, null, null, null);  

 
         // 获取文档的页数  
         int pageCount;  
         using (CodecsImageInfo imageInfo =   
            ocrEngine.RasterCodecsInstance.GetInformation(stream, true))  
         {  
            pageCount = imageInfo.TotalPages;  
         }  

 
         // 创建OCR文档  
         using (IOcrDocument ocrDocument = ocrEngine.DocumentManager.CreateDocument())  
         {  
            // 识别文档中的每一个页面  
            for (int page = 1; page <= pageCount; page++)  
            {  
               ocrDocument.Pages.AddPages(stream, page, page, null);  

 
               // GGoogle Drive特定的可索引文本设置  
               indexableText.AppendFormat(  
                  "<section attribute=\"Page{0}\">", page);  
               // 添加OCR文本  
               indexableText.Append(ocrDocument.Pages[0].RecognizeText(null));  
               indexableText.Append("</section>");  

 
               // 清理文档,为下一页做准备  
               ocrDocument.Pages.Clear();  
            }  
         }  
      }  
   }  

 
   file.IndexableText = new File.IndexableTextData();  

 
   file.IndexableText.Text = indexableText.ToString();  

 
   googleDriveHelper.UpdateFileMetadata(file);  
}

现在我们已经处理了Google Drive中的所有TIFF文件,即使它们在技术上是没有文本数据的图片,也可以通过文档中的搜索来定位。

leadtools教程

 


标签:

本站文章除注明转载外,均为本站原创或翻译。欢迎任何形式的转载,但请务必注明出处、不得修改原文相关链接,如果存在内容上的异议请邮件反馈至chenjj@pclwef.cn


为你推荐

  • 推荐视频
  • 推荐活动
  • 推荐产品
  • 推荐文章
  • 慧都慧问
相关产品
LEADTOOLS Professional Asian OCR Module

LEADTOOLS Asian OCR Module在应用程序中增加了一些光学字符识别(OCR)技术的方法,并包含了开发健壮的,高性能的和可扩展的图像识别方案所需要的技术。

LEADTOOLS OCR Module - LEAD Engine

开发健壮的,高性能的和可扩展的图像识别方案所需要的OCR 识别技术。

LEADTOOLS OCR Module - OmniPage Engine

LEADTOOLS OCR Module - OmniPage Engine增加了对添加光学字符识别(OCR)和智能字符识别(ICR)技术到应用程序的方法,并且包含开发稳健的,高性能的和可扩展的图像识别解决方案所需要的一切。

扫码咨询


添加微信 立即咨询

电话咨询

客服热线
023-68661681

TOP