这个项目能做什么

Tesseract 是一个全面的光学字符识别 (OCR) 软件包，由 `libtesseract` 库和 `tesseract` 命令行程序组成。它支持 Unicode (UTF-8)，开箱即用可识别 100 多种语言，并具备针对其他语言进行训练的能力。 关键技术能力包括： - OCR 引擎：采用基于现代神经网络 (LSTM) 的引擎，专注于行识别，同时保持与旧版字符模式识别引擎 (Tesseract 3) 的兼容性。 - 输入支持：通过 Leptonica 库兼容多种图像格式，包括 PNG、JPEG 和 TIFF。 - 输出格式：支持多种输出类型，包括纯文本、hOCR (HTML)、PDF（包括仅不可见文本）、TSV、ALTO 和 PAGE。 - 开发者集成：提供 C 和 C++ API 用于构建自定义应用程序，并为其他编程语言提供各种封装库。 Tesseract 是一个非 GUI 工具；需要图形界面的用户必须使用第三方应用程序。它基于 Apache License 2.0 许可。