如何用C# tessdata获取文字和位置信息

Question

我这边已经用C#已经可以获取文本和位置信息，但是这个文本不是跟位置信息绑定的，我还得解析文本，我觉的应该有办法直接获取 文本和位置信息的对象，查了半天，也没找到答案，有能解答一下的吗？

var engine = new TesseractEngine(@"D:\Program Files\Tesseract-OCR\tessdata", "chi_sim", EngineMode.Default);
var img = Pix.LoadFromFile(path);
var page = engine.Process(img);
PageIteratorLevel level = PageIteratorLevel.Word;
//这个是获取文字块
var textLocation = page.GetSegmentedRegions(level);
//这个是获取文本
var textWord = page.GetText();

//文字块的属性里面，没有文本，有办法全部获得吗

Answer 1

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

---

要解决您的问题，即在C#中使用Tesseract库同时获取文本内容和对应的位置信息，并将它们绑定在一起形成一个对象，可以参考以下步骤和代码示例：

1. 使用TesseractEngine的Process方法来处理图像，获取Page对象。
2. 通过Page对象的GetIterator方法获取迭代器。
3. 使用迭代器遍历文本的不同层级（如单词、文本行等），并获取每个文本元素的边界框（bounding box）。
4. 将文本内容和对应的边界框信息封装到自定义的对象中。

以下是一个示例代码，展示了如何实现上述步骤：

using Tesseract;
using Tesseract.Pix;
// ...

// 假设您已经有了TesseractEngine实例和Pix图像实例
var engine = new TesseractEngine(@"D:\Program Files\Tesseract-OCR\tessdata", "chi_sim", EngineMode.Default);
var img = Pix.LoadFromFile(path);

// 处理图像获取Page对象
using (var page = engine.Process(img))
{
    // 创建迭代器
    var iter = page.GetIterator();
    PageIteratorLevel level = PageIteratorLevel.RIL_WORD; // 可以选择不同的层级

    // 遍历文本
    List<TextWithLocation> textWithLocations = new List<TextWithLocation>();
    do
    {
        var rect = iter.GetBoundingBox(level);
        if (rect != null)
        {
            // 获取文本和位置信息
            string text = iter.GetText(level);
            int x = rect.Left;
            int y = rect.Top;
            int width = rect.Width;
            int height = rect.Height;

            // 封装文本和位置信息到自定义对象
            textWithLocations.Add(new TextWithLocation
            {
                Text = text,
                X = x,
                Y = y,
                Width = width,
                Height = height
            });
        }
    }
    while (iter.Next(level) && level > PageIteratorLevel.RIL_BLOCK);

    // 现在textWithLocations包含了文本和位置信息的对象列表
}

在上述代码中，TextWithLocation是一个自定义类，您需要根据需要定义它，例如：

public class TextWithLocation
{
    public string Text { get; set; }
    public int X { get; set; }
    public int Y { get; set; }
    public int Width { get; set; }
    public int Height { get; set; }
}

关于参考资料，您可以参考以下链接：

1. [使用 Tesseract 在 C# 中进行光学字符识别（OCR）完整教程][^1^]：这篇文章提供了一个完整的教程，介绍了如何在 C# 中使用 Tesseract 进行 OCR，包括基本的安装和配置步骤。
2. [C#如何使用tesseract获取文字的xy_编程语言-CSDN问答][^4^]：这篇文章提供了示例代码，展示了如何使用 Tesseract.NET SDK 获取文字的 xy 坐标。

希望这些信息能帮助您解决问题。如果还有其他问题或需要进一步的帮助，请随时提问。