业务背景:
在电脑上读电子书,或在网络上学习时,需要摘录部分内容时,需来回地复制&截图&粘贴,影响学习效率和体验。
EasyNote只需指定笔记文件,然后我们在浏览文件或网页时,只需要Ctrl+C或截图,就可以将我们需要摘录的内容保存到指定文件。目前支持txt和docx格式的日志文件。docx可以保存文字和图片。
解决方案:Swing + Tesseract-Ocr + poi-ooxml
使用步骤:
1. 安装Jdk8
2. 安装Tesseract-Ocr
下载并安装:https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w32-setup-v5.0.0.20190623.exe
配置环境变量:TESSDATA_PREFIX=C:\Program Files\Tesseract-OCR\tessdata 【指定你本地的训练数据目录】
若要解析中文字符,需下载中文训练数据并放置到tessdata目录下:
简体中文训练数据链接:chi_sim.traineddata · master · mirrors / tesseract-ocr / tessdata · GitCode
3. 双击运行 EasyNote-1.0.jar [下载EasyNote.jar-Java文档类资源-CSDN下载]
指定日志文件:
日志文件已创建:
复制文本,截图
查看日志文件:
也可以指定日志文件为txt。当日志文件为txt时,会将截图转换为文字,中文字符的准确性依赖与训练数据。若要更高的转换质量,需要自己训练数据。
以下是转换的效果:
图片:
转换结果: