『方案』《女友十年精华》 ORC 图片 文字识别 详解
目的需求：
2008年，遇到一本电子书 《女友十年精华》
觉得很美，想 私藏 这些文章：
>网络搜索文章 —— 没有找到；
>反编译程序 —— 所有文字 都是图片格式（部分文章的 非规律乱码 即为证明，且试用 Adobe Director 反编译 确是图片无疑）
>总计 310篇文章 —— 如何降低 工作复杂度 得到 文本格式的文章？
最后方案：
>写区域截屏软件，将一篇文章 截成多图 （图片文字行 有重复）；
>过滤 文章多图 的背景图片（背景图片 会干扰 ORC 的准确率）；
>将 文章多图 拆解为 每一行文字一个图片（会有图片文字重复）；
>识别 单行文字图片 的 段落起始 和 段落结束；
>识别 单行文字图片，ORC 转换为 文字；
>将 识别后的 文字恢复 段落起始 和 段落结束（当前行文字 抬头空两格，下一行文字 另开段落）；
>遍历 识别后的文字行，过滤 重复行；
>最后将文本格式化，把本该属于 一个段落的 取消换行。
看图说话：
>原始运行程序界面
>截屏软件
>图片分析，过滤背景
>拆解单行（前后的 “哈哈哈哈哈”，只是为了 保留 段落格式）
2008年，遇到一本电子书 《女友十年精华》
觉得很美，想 私藏 这些文章：
>网络搜索文章 —— 没有找到；
>反编译程序 —— 所有文字 都是图片格式（部分文章的 非规律乱码 即为证明，且试用 Adobe Director 反编译 确是图片无疑）
>总计 310篇文章 —— 如何降低 工作复杂度 得到 文本格式的文章？
最后方案：
>写区域截屏软件，将一篇文章 截成多图 （图片文字行 有重复）；
>过滤 文章多图 的背景图片（背景图片 会干扰 ORC 的准确率）；
>将 文章多图 拆解为 每一行文字一个图片（会有图片文字重复）；
>识别 单行文字图片 的 段落起始 和 段落结束；
>识别 单行文字图片，ORC 转换为 文字；
>将 识别后的 文字恢复 段落起始 和 段落结束（当前行文字 抬头空两格，下一行文字 另开段落）；
>遍历 识别后的文字行，过滤 重复行；
>最后将文本格式化，把本该属于 一个段落的 取消换行。
看图说话：
>原始运行程序界面
>截屏软件
>图片分析，过滤背景
>拆解单行（前后的 “哈哈哈哈哈”，只是为了 保留 段落格式）
>ORC 图片文字，过滤重复行。（略）
>复原完整 文章图片（无用操作）
>识别最后文本：
爱情是需要用一生来培养的，尤其是
已婚的人们。
送给妻子的鲜找
方英文
4 年前的那个夏夭，我忽然心血来潮：去了一个我很本不
清楚为什么要去的地方。在那儿，又因为一个小小的偶然事件
而相识了一位漂亮的女子。那女子长得阳光明媚凤采照人，一
下子勾去了我的魂儿。我认为这绝对是命运的有意安排。她叫
白玫，跟我一样，也是个狂热的诗歌爱好者。不难想象，我俩
很快就粘糊得赫不开了。
我跟白玫的爱情结果是：我成了诗人，她成了诗人的妻
子。自跟我认识的那夭起，她再也不写什么诗了，而是全心全
意地爱我。当然，她仍喜欢谈诗，还算个相当不错的诗歌鉴赏
家。我俩的情书全用诗体写成，我想一旦我的名气再上升一
截，我们的诗体情书就会出版畅消了。但眼下最要紧的是：如
何将她调到我身边？
在中国，调动工作的难度丝奎不亚于双职工想生第二胎。
为了将白玫调进市里，我跑座了腿磨肿了嘴。
不过，还是终于让妻子兴高采烈地跟我过了一个礼拜新婚
般的生活。然而自她到新单位上班的那天起，我俩的苦难就开
始了。她原来的工作是政府部门，给领导当秘书，夭天都受人
茸敬，现在却让她当那该死的营业员，而且常因宪不成任务而
罚奖金扣工资。所以，在她每夭下班回家之前的那几分钟，我
就有一种地震前的恐惧感。她不再是那个爱诗的至纯至情的女
孩了，而成了一个凶悍拨皮的母老虔。有什么办法呢？只能怪
我这做丈夫的无能不能给妻子以幸福。我只好硬着头皮听她的
发泄咒骂，听她以威胁的口吻说要弄个原子弹 1 巴这个城市夷为
平地。我只能一边做饭洗碗一边听她的血泪控诉。当我忍受一
个礼拜到了极限时，就跟她大干一场，把世界上最刻毒的语言
都兜出来。若还不过瘾，就辅助以轻里级的拳脚。结果自然是
两败俱伤，好多天还不过阳来。离婚书也写了一厚沓，装订成
册完全是一部愤怒的匕首般的杂文集子。
但我们终究没有离婚，一是因为我们的婚姻毕竟有爱情的
基础；二是因为我们没留神却台作了一个孩子。在弱小的孩子
给我们带来不曾有过的劳累和沉重期间，我俩只能相依为命携
手长征。我当然无法写诗，要写也只能写：啊，尿布！哦，大
便！当孩子进了托儿所我们稍有空闲时，空闲时间再次被争吵
占领了。争吵也只有一个内吝：她的工作问题。
不长时间，我的头发就开始变白，真正是人未老而鬓已
秋。我对生活失去了信心，我的最宝蛊的生命已经成为我担负
不起的沉重的包袱。我想唯有死亡才是根除这种灾难的灵丹妙
药。它能解脱一切，它能一了百了。
当然我并没有死，因为有孩子。孩子怎么办？我小时候就
死了父亲，因此我深知没父亲的孩子是多么苦难！可我又无法
忍受失妻间这种非人的折磨。他妈的，难道就没有一丝阳光注
入我们这阴暗潮湿的家庭之地吗？
奇迹出现了。事情发生在春天的某个日子。那是礼拜四的
下午，我妻子的周末。她带着一种我们恋爱时的微笑回来了。
我问她有什么高兴事，她的脸颊屯和寸红起来，犹孩了半夭才告
诉我。原来，有个男顾客送了她一束迎春花，而她又不知道那
人是谁，因为花儿是别的营业员转交的。我的脸上立刻不高兴
起来，她以为我在吃醋，就要解释什么。我慌忙制止说，我也
很高兴呢，这说明我的妻子漂亮嘛；再说人家送的是鲜花，又
不是牛粪。这也确是我的心里话，因为我招架不住了，我可以
忍痛让别人爱她。
自此，每个星期四下午，也就是说，在妻子的每个周末，
她都带着一束鲜花笑吟吟地回到家里。那些花儿各式各样，全
因季节的变化而变化，都是从郊外新采来的。我想，这或许是
某个大学生的浪漫行为，因为我上大学时，也给一位翘鼻子的
书店姑娘送过鲜花。我妻子为了表示对那鲜花的满不在乎，就
当着我面弃之垃级堆。这绝不是她的本意，因为她宪全可以让
我压根） L 不知道这回事嘛。
鲜花出现在我们家庭，不能不说是一种危险信号。我本欲
提醒她的，但发觉没这个必要，因为鲜花的出现使她恢复 7 先
前的一切可爱之处：鼓鼓业业地领导我们父子俩过好小日子，
抢着干家务活，整天谋划着给我添置衣服。而且开始打扮，又
素雅又纯吉，既像个女学生，又像个家庭主妇。整夜跟我有说
不宪的话儿，给我讲她碰到的一切有趣的顾客，再也不提她的
以干代工有什么委屈了。当我俩绞尽脑汗也猜不出那个送花的
人是谁时，她高兴地说了一句非常非常重要的话：“有意思，
生活真是有意思 l ”
我很有兴趣地告诉妻子，希望她尽快弄清那个送花人的真
实面目。于是，她每个礼拜四的下午就特别留心，用她那双乌
黑的眸子探素每一个走入营业厅的男子。但她一次又一次地失
败了。总是在她没留神的时候，由那位女店员转来一束鲜花。
i 司那男子是何等模样，回答总是含糊其辞和带着某种些许醋意
的神秘的微笑。
妻子就有些不安了，说，搞得人家这么痴迷，又不能回
报，实在是犯罪。我说你去爱吧，咱俩离婚得了。她说放屁，
你死了我也不嫁人。我说在 80 年代，那个送你鲜花的人绝对不
是个柏拉图式的精神恋爱者，他肯定有本质的要求。
不幸被我言中。有一天，妻子神色不安地回来，除带了一
束白菊，还有一张鹅黄色的字笺。字笺上写道：“请明夭下午
一点在 x 公园木瓜享东第三只长椅上一会。不来也罢。”妻子
绝对不去，但我做了耐心地劝导，主要理由只有一个：权当改
善生活呢。妻子总算答应了，而且，我俩还准备了对付了那男
子的台词。
那天的公园阳光很好，风景也相当媚人。白玫坐到指定的
凳子上，我则躲到隐蔽的远处。我发现妻子像受刑似地坐在那
儿。时间已超过了两小时，只有两个中学生和三个拖儿带女的
老太太到她身边坐过，再也没有出现他人了。在返回的路上，
妻子说，有三个男人神色不对，其中肯定有那个送花人。我说
不是三个，而是 30 个 300 个甚至更多，因为男人见到你就自然
联想到鲜花，因为再漂亮的风景也没有美女好看。妻说我是拍
马屁我说这是我唯一的优点。
当夭夜里，我改写了一首诗：
花儿们都到哪儿去了／花儿们都被小伙子摘掉了／小伙子
们都到哪儿去了／小伙子们都给姑娘献花去了／姑娘们都到哪
儿去了／姑娘们都嫁给丈失了／丈失们都到哪儿去了／丈失们
都给妻子采花去了。
读了这首诗就会明白，那个给我妻子送花的男人不是别
人，而她的丈失海桅。海桅正是我的名字。
当我知道送鲜花不可能成为永远的秘密时，我就趁早原原
本本地告诉了白玫。她有点生气：
“你干吗要说出来？”
稍顷，她又说：
“其实，我早就知道。”
静默了许久，她摸着我两鬓的几结白发，深情地说：
“真对不起。真没想到我害得你费了那么大的心 … … 我会
让你的头发变黑的。”
诗人和他的妻子拥抱了。
>格式化文本：
>格式化 段落（即为 最后的文本）
>将 文字 转为 HTML （最后使用的格式）
至此结束：>格式化 段落（即为 最后的文本）
>将 文字 转为 HTML （最后使用的格式）
>相关源码 写的很糟糕，各位园友似乎也用不到 ORC（就不开源 啦 —— 需要源码的 再联系我）；
>ORC 效果最好的 是 Office 2007（2010 应该也不错）
需要补丁 office2007sp1-kb936982-fullfile-zh-cn.exe 和 office2007sp2-kb953195-fullfile-zh-cn.exe
>其他 第三方 ORC 组件 完全是 渣渣；
>不想要 源码，只想要 数据库 的 也可以 再联系我；
舒小龙
2014-07-13 12:02
附上源码下载：http://www.shuxiaolong.com/DoAjax/DownloadHandler.ashx?Number=5IBADAP0MRC
>不想要 源码，只想要 数据库 的 也可以 再联系我；
舒小龙
2014-07-13 12:02
附上源码下载：http://www.shuxiaolong.com/DoAjax/DownloadHandler.ashx?Number=5IBADAP0MRC
转载于:https://www.cnblogs.com/shuxiaolong/p/20140715_1348.html