java - 我想使用 for 循环一张一张地打印存在于一个文件夹中的图像文本

Question

从文件夹中一张一张地抓取图像文本。这一张仅适用于一张图像。如何处理所有图像

public static String crackImage(String filepath) throws TesseractException {
        File imgfile = new File(filepath);
            ITesseract instance = new Tesseract();
            instance.setDatapath("C:\\selenium_work\\ScrapingText.PDF\\tessdata");
            
            String result = instance.doOCR(imgfile);
            return result;  
    }

    public static void main(String[] args) throws TesseractException {
        
         String textdata = ImageScraping.crackImage("C:\\selenium_work\\ScrapingText.PDF\\image\\IMG_20190305_152800__01.jpg");
         System.out.println(textdata);

Answer 1

您可以保存给定 URL 中的图像，例如:

1. 找到所有 <img> tags并提取它们的 src attributes使用即 XPath locator的//img

   List<String> imagesUrls = driver.findElements(By.xpath("//img"))
           .stream()
           .map(img -> img.getAttribute("src"))
           .collect(Collectors.toList());
   

2. 使用 OkHTTP client library 将所有图像下载到您选择的文件夹中:

   for (String imageUrl : imagesUrls) {
       Request request = new Request.Builder().url(imageUrl).build();
       Response response = client.newCall(request).execute();
       File downloadedLogo = new File("C:\\selenium_work\\ScrapingText.PDF\\image\\" + imageUrl.substring(imageUrl.lastIndexOf('/') + 1));
       BufferedSink sink = Okio.buffer(Okio.sink(downloadedLogo));
       sink.writeAll(Objects.requireNonNull(response.body()).source());
       sink.close();
   }
   

3. 完成后，您应该可以调用 crackImage通过 Files.walk() 方法为每个下载的文件提供函数:

   Files.walk(Paths.get("C:\\selenium_work\\ScrapingText.PDF\\image"))
           .forEach(file -> System.out.println(crackImage(file.toAbsolutePath().toString())));