如何获取TessBaseAPI读取时设置的字体名（C++及命令行）

一、C++代码方式 #

你可以直接在现有识别流程中，通过Tesseract的ResultIterator提取识别结果对应的字体名：

1. 在调用GetUTF8Text()之后添加以下代码：

// 创建结果迭代器，用于提取字体信息
tesseract::ResultIterator* resultIter = api->GetIterator();
if (resultIter != nullptr) {
    // 按单词级别遍历识别结果
    tesseract::PageIteratorLevel level = tesseract::RIL_WORD;
    do {
        // 获取当前单词对应的字体名
        const char* fontName = resultIter->GetUTF8Text(tesseract::RIL_FONT);
        if (fontName != nullptr) {
            cout << "识别到的字体名: " << fontName << endl;
            // 释放内存
            delete[] fontName;
        }
    } while (resultIter->Next(level));
    // 释放迭代器
    delete resultIter;
}

2. 注意：这个方法是从图片的识别结果中提取实际文字对应的字体信息，能直接拿到你需要的训练用字体名，记得用完相关资源后释放内存，避免泄漏。

二、命令行方式 #

用Tesseract命令行工具直接解析图片，输出带字体信息的HOCR结果：

tesseract /home/user/Desktop/src.png stdout --psm 6 -c hocr_font_info=1

• 参数说明：
  • --psm 6：指定图片为单一均匀文本块，可根据你的图片实际情况调整PSM模式（可选0-13）。
  • -c hocr_font_info=1：开启HOCR格式输出，并强制包含字体信息。
• 查看输出结果，找到类似<span class='ocrx_word' title='bbox 0 0 100 20; font 0 0 0 0 0 "Arial"'>的内容，双引号内的字符串就是字体名。

内容的提问来源于stack exchange，提问作者SarahLy