da856d89ff
- Create README.md for internationalization (i18n) documentation - Add English translation for main README and quick start guide - Add Japanese translation for main README - Add Simplified Chinese translation for main README - Introduce sample Docker Compose configurations for various deployment scenarios - Implement CI/CD documentation for testing and deployment workflows - Establish end-to-end testing guidelines and strategies - Create test strategy documentation outlining unit, integration, and E2E tests
117 lines
2.4 KiB
Markdown
117 lines
2.4 KiB
Markdown
# OCR 功能
|
||
|
||
ConvertX-CN 內建 Tesseract OCR，可將圖片中的文字轉換為可編輯文字。
|
||
|
||
---
|
||
|
||
## 內建語言
|
||
|
||
ConvertX-CN 完整版內建以下 OCR 語言：
|
||
|
||
| 語言 | 代碼 |
|
||
| -------- | --------- |
|
||
| 繁體中文 | `chi_tra` |
|
||
| 簡體中文 | `chi_sim` |
|
||
| 英文 | `eng` |
|
||
| 日文 | `jpn` |
|
||
| 韓文 | `kor` |
|
||
| 德文 | `deu` |
|
||
| 法文 | `fra` |
|
||
|
||
---
|
||
|
||
## 使用方式
|
||
|
||
### 圖片 → 文字
|
||
|
||
1. 上傳圖片（PNG, JPG, TIFF 等）
|
||
2. 選擇目標格式 `txt` 或 `pdf`（可搜尋）
|
||
3. 進行轉換
|
||
|
||
### PDF → 可搜尋 PDF
|
||
|
||
1. 上傳掃描版 PDF
|
||
2. 選擇 OCR 處理
|
||
3. 獲得可搜尋的 PDF
|
||
|
||
---
|
||
|
||
## 支援的輸入格式
|
||
|
||
- **點陣圖**：PNG, JPG, JPEG, TIFF, BMP, GIF
|
||
- **文件**：PDF（掃描版）
|
||
- **其他**：WebP, PNM, PBM
|
||
|
||
---
|
||
|
||
## 輸出格式
|
||
|
||
| 格式 | 說明 |
|
||
| ---- | --------------- |
|
||
| TXT | 純文字 |
|
||
| PDF | 可搜尋 PDF |
|
||
| HOCR | HTML + 座標資訊 |
|
||
|
||
---
|
||
|
||
## 最佳實踐
|
||
|
||
### 提高辨識準確度
|
||
|
||
1. **解析度**：至少 300 DPI
|
||
2. **對比度**：文字與背景對比清晰
|
||
3. **傾斜校正**：確保文字水平
|
||
4. **雜訊去除**：去除背景雜訊
|
||
|
||
### 處理多語言文件
|
||
|
||
Tesseract 可同時辨識多種語言，但準確度可能下降。
|
||
|
||
建議：
|
||
|
||
- 單一語言文件使用單一語言包
|
||
- 中英混合使用 `chi_tra+eng`
|
||
|
||
---
|
||
|
||
## 新增語言
|
||
|
||
### 方法一：自訂 Dockerfile
|
||
|
||
```dockerfile
|
||
# 在 Dockerfile.full 中取消註解
|
||
RUN apt-get update && apt-get install -y --no-install-recommends \
|
||
tesseract-ocr-spa \ # 西班牙文
|
||
tesseract-ocr-ita \ # 義大利文
|
||
&& rm -rf /var/lib/apt/lists/*
|
||
```
|
||
|
||
### 方法二：掛載語言包
|
||
|
||
```yaml
|
||
volumes:
|
||
- ./tessdata:/usr/share/tesseract-ocr/5/tessdata
|
||
```
|
||
|
||
下載語言包：https://github.com/tesseract-ocr/tessdata_best
|
||
|
||
---
|
||
|
||
## 可選語言包
|
||
|
||
| 區域 | 語言 |
|
||
| ------ | ------------------------------ |
|
||
| 西歐 | 西班牙文、義大利文、葡萄牙文 |
|
||
| 北歐 | 瑞典文、丹麥文、挪威文、芬蘭文 |
|
||
| 東歐 | 俄文、波蘭文、捷克文、匈牙利文 |
|
||
| 中東 | 阿拉伯文、希伯來文、土耳其文 |
|
||
| 南亞 | 印地文、孟加拉文、泰米爾文 |
|
||
| 東南亞 | 泰文、越南文、印尼文 |
|
||
|
||
---
|
||
|
||
## 相關文件
|
||
|
||
- [支援的轉換器](converters.md)
|
||
- [翻譯功能](translation.md)
|
||
- [Docker 部署](../deployment/docker.md)
|