Android实现OCR文字识别并且转换为Excel、PDF格式输出_开发apk扫描提取文字并生成excel

作者：从前慢现在也慢 | 2024-03-26 19:43:36

踩

开发apk扫描提取文字并生成excel

由于最近有一个项目有需要用到拍照识别字体，且将识别后的字体转换为对应的Excel，Word，PDF格式的文本输出，所以特地去网上搜集了很多资料来制作，但是网上的资料很少有写到如何在手机端实现OCR技术，即使有实现的人，也不会给出一个很全面的源码，所以小弟特地花了点时间去实现该技术，测试可用后记录下步骤，以备以后查看。

后面我会将我的Demo链接也给出，供大家下载互相交流

前期准备

因为使用的是文字识别技术，所以我这里使用的是Tesseract的OCR引擎，这款相对于来说识别率还行。

tesseract是用c++实现的，需要封装Java API用于Android平台的调用，所以我们使用的是Tesseract Tools for Android的一个git分支 tesseract-two，它集成了图形处理工具leptonica，使用起来很方便，但是网上的都是比较麻烦，需要自己去下载下来编译，才能在Android上实现，小弟使用的是一个已经编译好的，全部内容可以直接使用，无需再引用其他什么tess-two项目作为lib。

文字识别使用tess-two.tesseract3.01-leptonica1.68-LibJPEG6b.jar
两个armeabi包
中文字库使用chi_sim.traineddata
英文字库使用eng.traineddata

而至于将扫描出来的文字转换部分，小弟只实现了Excel 及 PDF 的转换，对于Word的转换失败了，一部分原因是因为Word的包和Excel,PDF出现了冲突，一部分是因为IText包对Android的支持还不是很全，Android中有一些java的API的使用还不支持，会出错。

Excel使用jxl.jar
PDF使用iTextpdf.jar

其中iTextpdf包是某位大神重新对之前的iText进行了重新打包，使之能够支持在Android上使用中文的PDF，小弟就可耻的借来使用了

好了，下面开始进行实现。

代码实现

使用Tesseract必须要在手机SD卡中建立tesseract/tessdata/ 并且将你的识别字库放入该文件夹下，否则你运行就会出错，很多朋友都推荐使用 adb 命令在手机中进行新建文件夹并推送字库进去，但这操作明显不符合一款成品软件的操作，难道要每个用户都在下载软件的时候都回家使用adb命令推送一次吗？

所以我们手动写一段代码，在启动软件时，自动创建路径并推送字库进去

初始化OCR环境

先在我们的项目res中建立raw文件夹，并将字库chi_sim.traineddata放进raw中等待稍后启动时推送

资源文件

将三个jar包下载下来，以及两个armeabi的so文件下载好后放入libs文件夹中
第三方包

操作完这几步后，我们要考虑几点
- SD卡的读写权限android.permission.WRITE_EXTERNAL_STORAGE
- SD卡中创建删除文件夹的权限android.permission.MOUNT_UNMOUNT_FILESYSTEMS
- 我们拍照识别文字需要的拍照权限android.permission.CAMERA

所以我们需要在清单文件中注册以下权限
权限注册

弄好这几步后，我们开始在Activity中实现推送代码吧，我们原理很简单，先判断有没有SD卡，有就再进行判断SD卡中是否有该字库，没有就进行推送。

判断是否有SD卡

    /**
     * 判断手机是否有SD卡。
     * 
     * @return 有SD卡返回true，没有返回false。
     */
    public static boolean hasSDCard() {
        return Environment.MEDIA_MOUNTED.equals(Environment
                .getExternalStorageState());
    }1
2
3
4
5
6
7
8
9

将资源文件raw中的资源推送到目标位置

/**
     * 将资源转换成文件
     * 
     * @param context
     *            上下文
     * 
     * @param ResourcesId
     *            资源Id
     * 
     * @param filePath
     *            目标文件地址
     * 
     * @param fileName
     *            目标文件名
     * 
     * @return 是否成功
     */
    public static boolean ResourceToFile(Context context, int ResourceId,
            String filePath, String fileName) {
        InputStream is = null;
        FileOutputStream fs = null;
        try {
            if (!FileUtils.CreateFolder(filePath))
                return false;

            is = context.getResources().openRawResource(ResourceId);
            File file = new File(filePath + File.separator + fileName);
            fs = new FileOutputStream(file);
            while (is.available() > 0) {
                byte[] b = new byte[is.available()];
                is.read(b);
                fs.write(b);
            }

            return true;
        } catch (Exception e) {
            Log.e(TAG, e.toString());
            return false;
        } finally {
            try {
                if (is != null)
                    is.close();
            } catch (Exception e) {
                Log.e(TAG, e.toString());
            }

            try {
                if (fs != null)
                    fs.close();
            } catch (Exception e) {
                Log.e(TAG, e.toString());
            }
        }
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

判断是否有该文件

    /**
     * 判断文件是否存在
     * 
     * @param fileName
     *            文件名，必须为文件完整路径
     * 
     * @return 文件存在返回true，文件不存在返回false
     */
    public static boolean IsFileExists(String fileName) {
        try {
            File file = new File(fileName);
            return file.exists();
        } catch (Exception e) {
            TrackerUtils.e(e);
            return false;
        }
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

我们先定义好几个固定常量，然后在Activity执行onCreate()的时候进行操作

    private static final String TESSBASE_PATH = "/mnt/sdcard/tesseract/";
    private static final String DEFAULT_LANGUAGE = "chi_sim";
    private static final String IMAGE_PATH = "/mnt/sdcard/ccc.jpg";

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        findView();
        intercept();

        String path = TESSBASE_PATH;

        // 判断是否有SD卡
        if(FileUtils.hasSDCard()){
            // 判断字库是否存在
            if (!FileUtils.IsFileExists(path + DEFAULT_LANGUAGE))
                //推送字库到SD卡
                ResourceToFile(this, R.raw.chi_sim, path + "tessdata/",
                        DEFAULT_LANGUAGE +".traineddata");
        }


    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

OCR扫描解析代码实现

做好前期工作后，我们开始Ocr代码使用部分的编写

public void testOcr() {
        mHandler.post(new Runnable() {

            @Override
            public void run() {
                ocr();
            }
        });

    }

    protected void ocr() {

        //获取图片的显示方向，判断图片是否需要调整
        try {
            ExifInterface exif = new ExifInterface(IMAGE_PATH);

            int exifOrientation = exif.getAttributeInt(
                    ExifInterface.TAG_ORIENTATION,
                    ExifInterface.ORIENTATION_NORMAL);

            int rotate = 0;
            switch (exifOrientation) {
            case ExifInterface.ORIENTATION_ROTATE_90:
                rotate = 90;
                break;
            case ExifInterface.ORIENTATION_ROTATE_180:
                rotate = 180;
                break;
            case ExifInterface.ORIENTATION_ROTATE_270:
                rotate = 270;
                break;
            }

            Log.v(TAG, "Rotation: " + rotate);

            int w = mBitmap.getWidth();
            int h = mBitmap.getHeight();
            Matrix mtx = new Matrix();
            mtx.preRotate(rotate);

            mBitmap = Bitmap.createBitmap(mBitmap, 0, 0, w, h, mtx, false);
            mBitmap = mBitmap.copy(Bitmap.Config.ARGB_8888, true);

        } catch (IOException e) {
            Log.e(TAG, "Rotate or coversion failed: " + e.toString());
            Log.v(TAG, "in the exception");
        }
        //为了获得更好的解析效果，将图片二值化
        Bitmap data = handleBlackWitheBitmap(mBitmap);
        ImageView iv = (ImageView) findViewById(R.id.image);
        iv.setImageBitmap(data);
        iv.setVisibility(View.VISIBLE);

        //实例化TessBaseAPI
        TessBaseAPI baseApi = new TessBaseAPI();
        baseApi.setDebug(true);

        //初始化TessBaseAPI
        baseApi.init(TESSBASE_PATH, DEFAULT_LANGUAGE);

        //设置需要解析的图片
        baseApi.setImage(data);
        //解析图片
        recognizedText = baseApi.getUTF8Text();

        //解析完后清除内容
        baseApi.clear();
        //结束TessBaseAPI
        baseApi.end();

        if (!StringUtils.IsNullOrEmpty(recognizedText)) {
            ((TextView) findViewById(R.id.field))
                    .setText(recognizedText.trim());
        }
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76

从代码上可以看出来，其实tesseract的使用很简单，就几行代码而已，但是识别率不是很高，所以我在图片操作上增加了一段二值化处理，为了使他更容易被解析，如果你们不需要，可以注释掉

转出到Excel

OCR解析完后，我们开始操作下如何转换成对应的输出格式，先放出转换成Excel的方法

Excel的保存和读取，我使用的是jxl包，研究了一会后稍微写了个方法，简单的实现了保存和读取，但是在我写的Demo中没有引用读取的方法，只使用了保存的方法，且保存的方法也是用固定值进行保存的，各位要是有使用请自行修改

import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.util.ArrayList;

import jxl.Range;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import jxl.write.WritableSheet;
import jxl.write.WritableWorkbook;
import jxl.write.WriteException;
import jxl.write.biff.RowsExceededException;
import android.os.Environment;
import android.util.Log;
/**
 *
 * Excel工具类
 *
 */
public class ExcelUtils {

    private static String TAG = ExcelUtils.class.getSimpleName();

    /**
     * 保存数据到Excel
     * @param tableName => 文件名，无需后缀
     */
    public static boolean saveToExcel(String content, String fileName) {
        WritableWorkbook wwb = null;
        boolean result = false;

        fileName = Environment.getExternalStorageDirectory() + File.separator
                + fileName + ".xls";

        Log.i(TAG, fileName);
        // 假设数据 五行五列
        int numrows = 5;
        int numcols = 5;
        String[][] records = {
                { "lin.yifan", "lin.erfan", "lin.sanfan", "lin.sifan",
                        "lin.wufan" },
                { "lin.yifan", "lin.erfan", "lin.sanfan", "lin.sifan",
                        "lin.wufan" },
                { "lin.yifan", "lin.erfan", "lin.sanfan", "lin.sifan",
                        "lin.wufan" },
                { "lin.yifan", "lin.erfan", "lin.sanfan", "lin.sifan",
                        "lin.wufan" },
                { "lin.yifan", "lin.erfan", "lin.sanfan", "lin.sifan",
                        "lin.wufan" } };

        Log.i(TAG, "开始保存到Excel");
        try {
            // 1 使用Workbook类的工厂方法创建一个可写入的工作薄(Workbook)对象
            wwb = Workbook.createWorkbook(new File(fileName));
        } catch (IOException e) {
            e.printStackTrace();
        }

        if (wwb != null) {
            // 创建一个可写入的工作表
            // 2 创建工作表 Workbook的createSheet方法有两个参数，第一个是工作表的名称，第二个是工作表在工作薄中的位置
            WritableSheet ws = wwb.createSheet("sheet1", 0);

            // 3 添加单元格
            for (int i = 0; i < numrows; i++) {
                for (int j = 0; j < numcols; j++) {
                    // 这里需要注意的是，在Excel中，第一个参数表示列，第二个表示行
                    Label labelC = new Label(j, i, records[i][j]);
                    try {
                        // 将生成的单元格添加到工作表中
                        ws.addCell(labelC);
                    } catch (RowsExceededException e) {
                        e.printStackTrace();
                    } catch (WriteException e) {
                        e.printStackTrace();
                    }

                }
            }

            try {
                // 从内存中写入文件中
                wwb.write();
                // 关闭资源，释放内存
                wwb.close();
                result = true;
                Log.i(TAG, "保存到Excel成功");
            } catch (IOException e) {
                e.printStackTrace();
            } catch (WriteException e) {
                e.printStackTrace();
            }
        }
        return result;
    }

    /**
     * 读取数据
     * @param fileName => 文件名，无需后缀
     * @return
     */
    public static ArrayList<ArrayList<String>> getExcel(String fileName) {
        ArrayList<String> innerAList = null;
        ArrayList<ArrayList<String>> outerAlist = new ArrayList<ArrayList<String>>();

        fileName = Environment.getExternalStorageDirectory() + File.separator
                + fileName + ".xls";

        Log.i(TAG, fileName);

        if (!FileUtils.IsFileExists(fileName)) {
            Log.e(TAG, "the file is not exists! return");
            return outerAlist;
        }

        File file = new File(fileName);

        Workbook wb = null;

        try {
            // 1 创建一个工作簿对象wb，该对象的引用指向某个待读取的Excel文件
            wb = Workbook.getWorkbook(file);

            // 2 创建一个工作簿wb中的工作表对象
            jxl.Sheet sheet = wb.getSheet(0);
            int stRows = sheet.getRows(); // 得到当前工作表中所有非空行号的数目
            int stColumns = sheet.getColumns();// 得到当前工作表中所有非空列号的数目
            Range[] range = sheet.getMergedCells(); // 得到所有合并的单元格

            for (int i = 0; i < stRows; i++) {
                innerAList = new ArrayList<String>();
                for (int j = 0; j < stColumns; j++) {
                    // 3 创建一个单元格对象，来存放从sheet的(第j列，第i行)读取的单元格；
                    jxl.Cell cell = sheet.getCell(j, i);

                    if (range.length > 0) {
                        for (int z = 0; z < range.length; z++) {
                            int lr = range[z].getTopLeft().getRow();// 左上角单元格行号
                            int lc = range[z].getTopLeft().getColumn();// 左上角单元格列号
                            int rr = range[z].getBottomRight().getRow();// 右下角单元格行号
                            int rc = range[z].getBottomRight().getColumn();// 右下角单元格列号

                            // 判断是否是合并的单元格
                            if (i >= lr && i <= rr && j <= rc && j >= lc) {
                                if (i == lr && j == lc) {
                                    innerAList.add(cell.getContents());
                                } else {
                                    innerAList.add("><><");
                                }

                            } else {
                                // 4 从当前单元格中获得一个已经转换为字符串类型的字符串，详见API
                                innerAList.add(cell.getContents());
                            }
                        }
                    } else {
                        innerAList.add(cell.getContents());
                    }

                }
                outerAlist.add(innerAList);
            }

        } catch (FileNotFoundException fnf) {
            fnf.printStackTrace();
        } catch (IOException ioe) {
            ioe.printStackTrace();
        } catch (BiffException be) {
            be.printStackTrace();
        } finally {
            wb.close();
        }

        return outerAlist;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177

转出到PDF

PDF的操作我也单独写了一个操作工具类，使用的是itextpdf包，由于是高手修改过的，所以可以使用中文，不会那么麻烦，但是麻烦的是，导致我无法对Word进行操作，不知道有没有好心的高手，帮忙封装一个支持 pdf 和 word 的中文 Android的 itext包

import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;

import android.os.Environment;
import android.util.Log;

import com.itextpdf.text.Document;
import com.itextpdf.text.DocumentException;
import com.itextpdf.text.Font;
import com.itextpdf.text.Paragraph;
import com.itextpdf.text.pdf.BaseFont;
import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.PdfWriter;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;
/**
 *
 * Pdf工具类
 *
 */
public class PdfUtils {

    private static String TAG = PdfUtils.class.getSimpleName();

    public static String getPDF(String fileName) {

        StringBuffer str = new StringBuffer();

        // 获取需要解析的文件路径
        fileName = Environment.getExternalStorageDirectory()
                + File.separator + fileName + ".pdf";

        if(!FileUtils.IsFileExists(fileName)){
            Log.e(TAG, fileName + "the file is not exists! return");
            return null;
        }

        try {
            // 使用PdfReader打开pdf文件
            PdfReader reader = new PdfReader(fileName);// 模板
            // 获取总共页数
            int numberOfPages = reader.getNumberOfPages();

            // 循环获取每页内容
            for (int i = 0; i < numberOfPages; i++) {
//              str.append(new String(reader.getPageContent(i + 1), "UTF-8"));
                str.append(PdfTextExtractor.getTextFromPage(reader, i + 1));
            }
            reader.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } 
        return str.toString();
    }

    /**
     * 转换为PDF格式
     * 
     * @param content => 内容
     * @param fileName => 文件名，无需后缀
     */
    public static boolean transformationToPDF(String content, String fileName) {
        fileName = Environment.getExternalStorageDirectory() + File.separator
                + fileName + ".pdf";
        boolean result = false;
        // 1.创建一个document
        Document doc = new Document();
        FileOutputStream fos;
        try {
            Log.i(TAG, "开始生成PDF文件！");

            fos = new FileOutputStream(new File(fileName));
            Log.i(TAG, "路径：" + fileName);
            // 2.定义pdfWriter，指明文件输出流输出到一个文件
            PdfWriter.getInstance(doc, fos);
            // 3.打开文档
            doc.open();
            doc.setPageCount(1);

            // 字体 注意，如果是中文，则必须选择字体
            Font font = setChineseFont();

            // 4.添加内容
            Paragraph paragraph = new Paragraph(content, font);

            doc.add(paragraph);

            // 添加段落
//          for (int i = 0; i < 100; i++) {
//              doc.add(new Paragraph("HelloWorld" + "," + "Hello iText" + ","
//                      + "HelloxDuan"));
//          }

            // 5.关闭
            doc.close();
            fos.flush();
            fos.close();
            Log.i(TAG, "PDF文件生成成功！");
            result = true;
        } catch (FileNotFoundException e1) {
            e1.printStackTrace();
        } catch (DocumentException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return result;
    }

    /**
     *  产生PDF字体
     * @return
     */
    public static Font setChineseFont() {
        BaseFont bf = null;
        Font fontChinese = null;
        try {
            bf = BaseFont.createFont("STSong-Light", "UniGB-UCS2-H",
                    BaseFont.NOT_EMBEDDED);
            fontChinese = new Font(bf, 12, Font.NORMAL);
        } catch (DocumentException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return fontChinese;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132

关键代码都给出来给大家参考了，可惜我使用的是官方给的中文字库，识别率实在不怎么样，但是，使用方法已经给出了，关于提升识别率的方法，过两天我会专门写一篇关于如何正确训练字库的方法，这次的内容如有错误的地方还请指出

下面给出小弟制作的Demo链接
Demo下载地址http://download.csdn.net/download/u014371093/8729833

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/319267?site