tesseract-ocr/tesseract

Define the / sign as a word delimiter.

Open

#1,221 opened on 2017年11月24日

GitHub で見る
 (3 comments) (0 reactions) (1 assignee)C++ (74,090 stars) (10,622 forks)batch import
feature requesthelp wanted

説明

Environment

  • Tesseract Version: 3.04.01
  • Platform: both on Debian Linux Buster (testing) and Windows 7 64bit

Current Behavior:

In hOCR mode words bound by the / sign are regarded as one word.

Expected Behavior:

The / sign, the word before and after should be regarded as a word on its own each.

Suggested Fix:

Define the / sign as a word delimiter.

コントリビューターガイド

技術スタック
cpp
領域
backend
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3 hours
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
C++ skillsTesseract codebase understanding
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
40
調査方針
The issue asks to treat '/' as a word delimiter in hOCR output. In Tesseract, word segmentation and delimiter handling is typically done in files like src/ccmain/paragraphs.cpp or src/ccutil/params.cpp. Look for existing delimiter definitions and modify the code to include '/' as a delimiter. Also check the hOCR output logic in src/output/hocr.cpp. Ensure the change is consistent with other delimiters.