Linux Java支援Office狀況

前幾天小弟弄了AspriseOCR API成功的讀取pdf還有一些圖檔的辨識，本以為KMS在linux上是無法讀取pdf檔而已(我~太天真了)，後來才搞清楚狀，原來iFilter支援很多格式(主要是常用的office).
當然知道之後我繼續花時間找出Linux上的替代品，不過找了兩天好像真的沒有人寫好類似iFilter的工具，
就算是付費的也好都沒有~~~最後只好去找api，小弟找了一下Java的Api現在有三個比較有名分別是：



1.Apache POI
2.Jacob
3.Javacom

那我也看了一下網路資料，目前網路評價比較好的是Apache POI ，因此我就找了POI 來試試
官方網頁：http://poi.apache.org/
根據官方最新說法，最近2008年11月放出新的支援(beta版)，除了過去支援的Word、
Excel、Powerpoint、OLE之外 新增加Outlook、Visio、 Access 支援，所以我就想說那找不到現成用的工具自己根據Api寫來Linux用吧!我寫了小main來測試~



結果：
Word、Excel、PowerPoint都不錯、PDF(我用ApriseOCR) 而其他的檔案目前usermodel api支援都非常低 所以Visio、Outlook 測試都算失敗..根本讀不出來(看了很多資料才發現真的是目前支援非常差)
其他的格式需要找時間再試了...
附上範例程式source code

Linux取代adobe iFilter功能軟體AspriseOCR

安裝流程(Ubuntu 7.04)

1.安裝前準備

libpng (with headers)

libjpeg (with headers)

libtiff (with headers)

分別下指令

sudo apt-get install libpng

sudo apt-get instal libjpeg

sudo apt-get instal libtiff

#安裝OpenFst(OpenFst-beta-20080408)

下載壓縮擋,解壓縮後進入資料夾目錄

下指令make all

2.安裝iulib

下載壓縮擋,解壓縮後進入資料夾目錄

執行./configure

接著make

最後make install

3.安裝tesseract (OCR軟體,Ubuntu的synaptic內可以安裝)

下載壓縮檔,tessdata有兩個檔案一個是主檔另外一個是支援的

語系檔

執行./configure

接著make

最後make install

#安裝遇到java出問題

缺少3個jar需要自己補上

luajava-1.1.jar

piccolo-1.2.jar

piccolox-1.2.jar

4.最後安裝OCRopus

下載壓縮擋,解壓縮後進入資料夾目錄

執行./configure

會出現讀不到OpenFst 小弟有將編譯號的OpenFst丟進/usr/local/include 不過還是有檔案Loss掉

因此你可以執行下列程式略過OPenFst

執行./configure --without-fst

這時又會出現新的錯誤會Loss掉Leptonica

小弟重新編譯安裝leptonica還是搞不定，所以我也給他略過

執行./configure --without-leptonica

算configure完成

接著make

最後make install

安裝完成

5 . 實作

打開terminal在您的想要辨識圖片的資料夾下執行

> ocroscript recognize sample.jpg > out.html

上面這句話的意思就是將samlpe.jpg ORC後產出out.html檔

最重要的是結果： 打開out.html 沒東西=.= <<<失敗了>>>

我有測試一下支援的檔案 目前 jpg,png都可以不過都產生空白的html檔

看起來是沒有錯誤..很怪還要再研究，也許跟上面disable兩個套件有關...

ps.上去國外網站看OCRopus的容易使用度竟然只有1/5分....難怪那麼難搞=.=

參考網址：

http://sites.google.com/site/ocropus/install-0-3

http://code.google.com/p/ocropus/

http://209.85.175.132/search?q=cache:uUk7hkAMUywJ:ocrocourse.iupr.com/introduction-to-ocropus+run+OCRopus&hl=zh-TW&ct=clnk&cd=1&gl=tw&client=firefox-a