R语言:OCR图文识别，tesseract支持png、pdf转word

##############################################
###########     OCR图文识别    ###############
###########     tesseract包    ###############
# REFER
# https://tesseract-ocr.github.io/docs/
# https://tesseract-ocr.github.io/tessdoc/Data-Files
# Date：20220318
##############################################

# 安装和加载包。
# 如遇Rcpp报错，建议remove包后重新install
# 特别情况下可直接至library安装路径下手动删除
# if(!require(Rcpp)) install.packages("Rcpp")
# if(!require(tesseract)) install.packages("tesseract")
rm(list = ls())
library(Rcpp)
library(tesseract) #如果不报错，正常会加载一段实践（30s以上）

# 先查看包含信息，和可以识别文字的包有哪些。
tesseract_info() 
# > tesseract_info() 
# $datapath
# [1] "C:\\Users\\USER\\AppData\\Local\\tesseract5\\tesseract5\\tessdata/"
# 
# $available
# [1] "chi_sim"      "chi_sim_vert" "chi_tra"      "chi_tra_vert" "eng"          "osd"         
# 
# $version
# [1] "5.0.1"
# 
# $configs
# [1] "alto"             "ambigs.train"     "api_config"       "bigram"          
# [5] "box.train"        "box.train.stderr" "digits"           "get.images"      
# [9] "hocr"             "inter"            "kannada"          "linebox"         
# [13] "logfile"          "lstm.train"       "lstmbox"          "lstmdebug"       
# [17] "makebox"          "pdf"              "quiet"            "rebox"           
# [21] "strokewidth"      "tsv"              "txt"              "unlv"            
# [25] "wordstrbox"      


# 首次要下载下语言库
# 语言包https://blog.csdn.net/qq_41897154/article/details/109499741
# 官方语言包地址（选择更多）https://tesseract-ocr.github.io/tessdoc/Data-Files
# tesseract_download("chi_tra") # 下载繁体中文 
# tesseract_download("chi_sim")  # 下载简体中文
# 如果是直接在github下载的语言包
# 【需要操作】直接将相应的语言包复制到tesseract_info()路径下即可。


#查看和设置工作路径（图片所在位置）
# getwd()
setwd("C:\\Users\\USER\\Desktop")
# 图片支持JPG PNG。
text <- ocr('ec.png', engine = tesseract("chi_sim"))
cat(text)



# 支持pdf图文识别,Read from PDF files
pngfile <- pdftools::pdf_convert('ocrscan.pdf', dpi = 600)
## Converting page 1 to ocrscan_1.png... done!
text <- tesseract::ocr(pngfile)
cat(text)

# 更多关于OCR图文识别de  wen dang yu chu li