最近小弟开发了第二个小工具（2/100），排版不好看，有错别字，再发[敲打]
界面：
一如既往的友好（难看）
第一次采用国际化开发，小弟不才，用了三种语言。
功能：
1，图像转文本。可以选择多种语言，比如中文志文，英文识别率还不错。不过公式就算了，太菜了。公式的话建议**使用其他软件**，记得有一个软件可以直接弄成latex的，非常有用，而且是免费的。（效果图：2，3，4）
2，PDF转文本。主要是面向搞自然语言处理的开发的。可以弄成txt，html，xml。特别是xml，各位大佬可以看看源代码。（效果图：6，7，转为了html，用浏览器打开）
3，将文本从横向排列转为右边开始纵向排列。也就是古文那种排版。一些奇葩癖好，可以忽略该功能（效果图 8）
4，关键句提取。阅读论文的神器。关键句提取施法了谷歌的网页排行算法。调用了 h'anlp 的api（效果图：9）
缺点：
图像识别这一块，调用了 tesseract的api，需要下载tesseract 才能使用，而且要安装相应的语言包。不过这个是开源免费的。有试过用百度识图，不过要账号。
大佬们可以把 tesseract 的源码弄成 dll，然后修改一下小弟的代码。这样就不用下载 tesseract 再使用了。（不过务必要弄下64位，否则就 GG了。小弟就用VS编义过32位的，但没用，气死。于是直接调api）
然后PDF转文本这个功能有点鸡肋。对一般人好像没啥用额
。希望大佬可以内置一个转成wold的功能，小弟在此作揖了。（既然是百变小T，那当然不用 word 啦
）
关键句提取算法，效果一般。我是用古文做测试，所以不怎么样。可能是古文很少有重复句吧。
最后，依旧是附上我的博客文章，[抱拳]
https://blog.csdn.net/weixin_42141390/article/details/107147254
欢迎关注，持续更新
- 复制链接
- 举报
