你好，OCR 短期内无法支持，目前只能考虑手动设置图片标题来进行搜索 #3427

不能立为长期计划吗,我想了解下难点在哪里?

@linglongyoudoufu 需要一个支持跨平台、能够打包整合进思源的开源方案，有推荐不？

感觉ocr功能没必要一定跨平台，PC端能够实现图片ocr，并把ocr识别到的内容保存到图片的“提示文本”中就可以了，这样跨平台也能搜索。相信提出ocr功能需要的人都是为了搜索需求的。需要注意的是，如果在android端添加了图片，或以前就在思源笔记中存在的图片，ocr功能能够将这些未进行ocr的图片识别到，并自动对其ocr识别，保存到各自图片的“提示文本”中。这样就能满足图片文字搜索的需求了，感觉ocr功能很实用，提出该问题的人也很多，希望能够添加，谢谢！

仅支持桌面端的话至少也要考虑支持 Windows/Linux/macOS，目前似乎只有联网调用其他平台 API 比较现实，或者让用户自行安装 tesseract？

仅支持桌面端的话至少也要考虑支持 Windows/Linux/macOS，目前似乎只有联网调用其他平台 API 比较现实，或者让用户自行安装 tesseract？

联网调用其他平台 API 也可以啊，让确实有需要使用ocr功能的用户自己去申请接口。Windows端的用户，也可以调用win10自带ocr功能。确实感觉ocr功能对于搜索功能来说帮助很大，尤其是笔记较多的用户和喜欢截图保存数据的用户。

确实，调API就行，然后限定为订阅用户权益

解决方案：

1. 用户自行安装 Tesseract，注意需要勾选中文语言包，并将安装后的 Tesseract-OCR 目录路径添加到环境变量 PATH 中。如果安装正常的话，启动思源后内核日志会输出这一行：
   
2. 自动在建立数据库索引时对行级元素图片节点进行识别
3. 将识别结果追加到 ast.NodeLinkText 结果后面，这样 blocks 表 content 字段就会保存 OCR 结果，以供后续搜索使用
4. 如果需要对以前的图片进行 OCR，执行一次重建索引

解决方案：

1. 用户自行安装 Tesseract，注意需要勾选中文语言包，并将安装后的 Tesseract-OCR 目录路径添加到环境变量 PATH 中。如果安装正常的话，启动思源后内核日志会输出这一行：
   
2. 自动在建立数据库索引时对行级元素图片节点进行识别
3. 将识别结果追加到 ast.NodeLinkText 结果后面，这样 blocks 表 content 字段就会保存 OCR 结果，以供后续搜索使用
4. 如果需要对以前的图片进行 OCR，执行一次重建索引

能和pandoc一样直接内置在软件里吗

解决方案：

1. 用户自行安装 Tesseract，注意需要勾选中文语言包，并将安装后的 Tesseract-OCR 目录路径添加到环境变量 PATH 中。如果安装正常的话，启动思源后内核日志会输出这一行：
   
2. 自动在建立数据库索引时对行级元素图片节点进行识别
3. 将识别结果追加到 ast.NodeLinkText 结果后面，这样 blocks 表 content 字段就会保存 OCR 结果，以供后续搜索使用
4. 如果需要对以前的图片进行 OCR，执行一次重建索引

感谢！赞！

话说这个支持百度腾讯那些ocr接口吗？实现难度？

@mozhux 不支持，仅支持本地的 Tesseract，后续版本可能会考虑改为配置命令，这样可以用其他程序实现。

中文识别能力较差，建议能够对接百度图片识别的API

在macos上，homebrew安装的tesseract输出如下，使用‘tesseract v’判定是否存在不正确。

tesseract 5.3.0
 leptonica-1.82.0
  libgif 5.2.1 : libjpeg 8d (libjpeg-turbo 2.1.4) : libpng 1.6.39 : libtiff 4.4.0 : zlib 1.2.11 : libwebp 1.3.0 : libopenjp2 2.5.0
 Found NEON
 Found libcurl/7.84.0 SecureTransport (LibreSSL/3.3.6) zlib/1.2.11 nghttp2/1.47.0

@ericma15 使用的是 if nil == err && strings.HasPrefix(string(data), "tesseract ") { 判断的，感觉好像没问题哦。

是我看错版本了。我再看看为啥没成功

macOS 端 Tesseract 有问题的话请关注 #7107

是仅支持本地图片吗？图床上的图片我这里好像没有效果呢，搜索不到里面的文字。

仅支持本地图片。

我这里本地图片中的简体字会被识别为繁体字，这样的话搜简体是搜不到的，D大知道是什么原因吗？

把 tesseract 繁体字的语言包删掉看看，chi_tra*

可以了，谢谢D大

解决方案：

1. 用户自行安装 Tesseract，注意需要勾选中文语言包，并将安装后的 Tesseract-OCR 目录路径添加到环境变量 PATH 中。如果安装正常的话，启动思源后内核日志会输出这一行：
   
2. 自动在建立数据库索引时对行级元素图片节点进行识别
3. 将识别结果追加到 ast.NodeLinkText 结果后面，这样 blocks 表 content 字段就会保存 OCR 结果，以供后续搜索使用
4. 如果需要对以前的图片进行 OCR，执行一次重建索引

请问有教程吗

中文识别能力较差，建议能够对接百度图片识别的API

自己把中文语言包安装错了，Tesseract对中文的识别还是很好的。

Windows用户如果安装后，重启思源还是没有ocr功能的话，可以尝试：

1. 命令行使用tesseract --version看看有没有输出，如果有的话，重启电脑再开思源应该就可以了
2. 如果没有输出，需要把安装路径添加到环境变量（我这里是C:\Program Files\Tesseract-OCR)

I 2023/01/28 13:53:21 runtime.go:91: use network proxy [system]
I 2023/01/28 13:53:21 tesseract.go:135: tesseract-ocr enabled [ver=v5.3.0.20221222, langs=chi_sim+eng]
I 2023/01/28 13:53:21 serve.go:111: kernel [pid=18976] http server [127.0.0.1:2832] is booting

用了一下太香了，感谢D大！

解决方案：

1. 用户自行安装 [Tesseract](https://github.com/tesseract-ocr/tesseract)，注意需要勾选中文语言包，并将安装后的 Tesseract-OCR 目录路径添加到环境变量 PATH 中。如果安装正常的话，启动思源后内核日志会输出这一行：
   ![image](https://user-images.githubusercontent.com/873584/212551081-984d7b3b-ff60-439c-8ffd-b5f1e560cc20.png)

2. 自动在建立数据库索引时对行级元素图片节点进行识别

3. 将识别结果追加到 `ast.NodeLinkText` 结果后面，这样 blocks 表 content 字段就会保存 OCR 结果，以供后续搜索使用

4. 如果需要对以前的图片进行 OCR，执行一次重建索引

@88250 这个ocr的文本没有存储在sy文件中嘛
我正在尝试开发一个ocr的插件，想要兼容思源对于ocr的文本搜索，但我手动设置了这个值

在sy文件中没有搜索到该结果

@2234839 要启用 OCR 才会存储，你看下是否启用了

@2234839 期待！支持！
Quicker ocr（本地）的识别效果还是不错的。曾尝试使用Quicker的本地ocr程序批量识别思源笔记的图片，写入存储ocr文本内容的文件中。但经常会莫名其妙的有或没有，尤其是同步后，最终放弃折腾了。供您参考

写入存储ocr文本内容的文件中。但经常会莫名其妙的有或没有，尤其是同步后

不要直接读写文件，要走内核的文件 API

@88250 我会将这个功能添加到OceanPress 插件中，这个插件是支持将挂件转化成图片的，所以刚刚我在想，OCR文本搜索这个功能可以在通用一些嘛，使得用户可以搜索到各个挂件，iframre之类的，也许以后还可以搜索歌曲，视频。

也就是对于非文本块，拥有一个内容描述的文本字段，这个字段参与搜索，对于图片而言，就是OCR

可以考虑保存到自定义属性，这个更通用些，用户打开这个开关可以搜索到：

@88250 这个会不会又太杂了，因为很多插件可能都是依赖自定义属性的，将这些程序用的数据也搜索出来给用户看就太乱了，或许我应该直接使用备注字段

我觉得怕是先稍微调查一下用户需求比较好 😂

嗯，我去社区发个帖问问

@88250 刚发现一个问题，图片没有id和属性....
所以如果想要通过属性来使用户搜索到该图片似乎不现实

@88250 可以提供返回ocr识别带文字坐标的api嘛，下面是我使用在线api实现的效果，我想用户也可以选择使用tesseract 来获得这样的体验

@2234839 请单独提 issue 记录

话说这个支持百度腾讯那些ocr接口吗？实现难度？

是不是理论上只要兼容tesseractocr的接口输出和参数输入，做个中间件来中转的插件或者外部程序，就能替换成各种服务了，如果不懂siyuan的主工程

不过没太理解tsv输出的各列含义