IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)
Navigation

Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter

Contribuez .NET Discussion :

IFilter pour images : Indexation des images sous Windows et SQL Server avec reconnaissance OCR


Sujet :

Contribuez .NET

  1. #1
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut IFilter pour images : Indexation des images sous Windows et SQL Server avec reconnaissance OCR
    Bonjour,

    Alors que je suis en train de travailler sur un projet perso de petite GED, j'ai eu besoin d'un filtre pour l'indexation de SQL Server, afin de reconnaître et indexer le texte contenu dans des images.

    Voici donc le source de mon IFilter.

    Il est en version initiale, et est certainement perfectible.

    Il utilise Tesseract (Google projet d'un OCR open source). Je dois notamment améliorer l'utilisation de cet outil, afin de mieux l'intégrer à mon projet.

    N'hésitez pas à me contacter si vous avez des questions/suggestions, ou si vous désirez m'aider à l'améliorer !

    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    98
    99
    100
    101
    102
    103
    104
    105
    106
    107
    108
    109
    110
    111
    112
    113
    114
    115
    116
    117
    118
    119
    120
    121
    122
    123
    124
    125
    126
    127
    128
    129
    130
    131
    132
    133
    134
    135
    136
    137
    138
    139
    140
    141
    142
    143
    144
    145
    146
    147
    148
    149
    150
    151
    152
    153
    154
    155
    156
    157
    158
    159
    160
    161
    162
    163
    164
    165
    166
    167
    168
    169
    170
    171
    172
    173
    174
    175
    176
    177
    178
    179
    180
    181
    182
    183
    184
    185
    186
    187
    188
    189
    190
    191
    192
    193
    194
    195
    196
    197
    198
    199
    200
    201
    202
    203
    204
    205
    206
    207
    208
    209
    210
    211
    212
    213
    214
    215
    216
    217
    218
    219
    220
    221
    222
    223
    224
    225
    226
    227
    228
    229
    230
    231
    232
    233
    234
    235
    236
    237
    238
    239
    240
    241
    242
    243
    244
    245
    246
    247
    248
    249
    250
    251
    252
    253
    254
    255
    256
    257
    258
    259
    260
    261
    262
    263
    264
    265
    266
    267
    268
    269
    270
    271
    272
    273
    274
    275
    276
    277
    278
    279
    280
    281
    282
    283
    284
    285
    286
    287
    288
    289
    290
    291
    292
    293
    294
    295
    296
    297
    298
    299
    300
    301
    302
    303
    304
    305
    306
    307
    308
    309
    310
    311
    312
    313
    314
    315
    316
    317
    318
    319
    320
    321
    322
    323
    324
    325
    326
    327
    328
    329
    330
    331
    332
    333
    334
    335
    336
    337
    338
    339
    340
    341
    342
    343
    344
    345
    346
    347
    348
    349
    350
    351
    352
    353
    354
    355
    356
    357
    358
    359
    360
    361
    362
    363
    364
    365
    366
    367
    368
    369
    370
    371
    372
    373
    374
    375
    376
    377
    378
    379
    380
    381
    382
    383
    384
    385
    386
    387
    388
    389
    390
    391
    392
    393
    394
    395
    396
    397
    398
    399
    400
    401
    402
    403
    404
    405
    406
    407
    408
    409
    410
    411
    412
    413
    414
    415
    416
    417
    418
    419
    420
    421
    422
    423
    424
    425
    426
    427
    428
    429
    430
    431
    432
    433
    434
    435
    436
    437
    438
    439
    440
    441
    442
    443
    444
    445
    446
    447
    448
    449
    450
    451
    452
    453
    454
    455
    456
    457
    458
    459
    460
    461
    462
    463
    464
    465
    466
    467
    468
    469
    470
    471
    472
    473
    474
    475
    476
    477
    478
    479
    480
    481
    482
    483
    484
    485
    486
    487
    488
    489
    490
    491
    492
    493
    494
    495
    496
    497
    498
    499
    500
    501
    502
    503
    504
    505
    506
    507
    508
    509
    510
    511
    512
    513
    514
    515
    516
    517
    518
     
    using Microsoft.Win32;
    using System;
    using System.Diagnostics;
    using System.Drawing;
    using System.IO;
    using System.Runtime.InteropServices;
    using System.Runtime.InteropServices.ComTypes;
    using System.Text;
     
    /*
     * To use the tagging of data types, the Chunk type (PropID) is the
     * propid from the schema.txt file; e.g. 
     * "D5CDD505-2E9C-101B-9397-08002B2CF9AE/PerceivedType" for
     * "Perceived Type".
     * Then GetValue() returns one string from the list of:
     * contact communications communications/e-mail communications/calendar communications/task
     * communications/im document/note document document/text document/spreadsheet document/presentation
     * music images images/picture images/video folder favorite program
     * 
     * Note also that the acceptable attributes (FULLPROPSPEC property sets)
     * are passed into aAttributes via Init(), if cAttributes is non-zero.
    */
     
    namespace IFilterPicture
    {
        /// <summary>
        /// The IFilter and IPersistFile interfaces, and some support structure
        /// for the File Filter (Extractor)
        /// </summary>
        [ComVisible(true), Guid("78BD7653-D16A-43ad-B119-7080D635F27E")]
        public class IFilterPicture : IPersistFile, IFilter
        {
            private static string myGuid = "78BD7653-D16A-43ad-B119-7080D635F27E"; /// <summary>For convenience, GUID in a string</summary>
            //private static string myHandlerGUID = "{60995D18-5F02-4196-B618-5D9C2A6ABC9D}"; /// <summary>We don't use this here, but it's needed for the registry.</summary>
     
            private bool bApplyIndexAttributes = false;
            private bool bCrawlAttributes = false;
            private bool bApplyOther = false;
     
            private bool doneFirstChunk = false;
     
            private string currentFileName = string.Empty;
            private int iChunkCount = 0;
     
            private const uint LANGUAGE_FR = 0x040C;
     
            private string text;
     
            public IFilterPicture()
            {
    #if DEBUG
                _writeLog("On construit IFilterPicture()");
    #endif
            }
     
            //	IFilter Methods
            /// <summary>Initializes a filtering session.</summary>
            /// <param name="grfFlags">What processing to perform</param>
            /// <param name="cAttributes">How many Attribute elements are in the aAttributes array, may be 0</param>
            /// <param name="aAttributes">Attributes to process</param>
            /// <param name="pdwFlags"></param>
            public void Init([MarshalAs(UnmanagedType.U4)] IFILTER_INIT grfFlags, uint cAttributes, [MarshalAs(UnmanagedType.LPArray, SizeParamIndex = 1)] FULLPROPSPEC[] aAttributes, ref uint pdwFlags)
            {
    #if DEBUG
                _writeLog("On entre dans Init()");
    #endif
                bApplyIndexAttributes = ((grfFlags & IFILTER_INIT.APPLY_INDEX_ATTRIBUTES) == IFILTER_INIT.APPLY_INDEX_ATTRIBUTES);
                bCrawlAttributes = ((grfFlags & IFILTER_INIT.APPLY_CRAWL_ATTRIBUTES) == IFILTER_INIT.APPLY_CRAWL_ATTRIBUTES);
                bApplyOther = ((grfFlags & IFILTER_INIT.APPLY_OTHER_ATTRIBUTES) == IFILTER_INIT.APPLY_OTHER_ATTRIBUTES);
    #if DEBUG
                _writeLog("On sort de Init()");
    #endif
            }
     
            /// <summary>
            /// Loads the first chunk or sets the pointers to zero on fail
            /// </summary>
            /// <returns></returns>
            private bool getFirstChunk()
            {
    #if DEBUG
                _writeLog("On entre dans getFirstChunk()");
    #endif
     
                if ((currentFileName == null) || (File.Exists(currentFileName) == false))
                {
                    currentFileName = "";
    #if DEBUG
                    _writeLog("On n'a pas de fichier Ã* indexer (?)");
                    _writeLog("On sort de getFirstChunk()");
    #endif
                    return false;
                }
     
    #if DEBUG
                _writeLog(string.Format("On index le fichier {0}", currentFileName));
    #endif
                try
                {
                    TesseractOCR tess = new TesseractOCR(Path.GetDirectoryName(System.Reflection.Assembly.GetAssembly(typeof(IFilterPicture)).Location) + @"\tesseract.exe");
                    text = tess.OCRFromFile(currentFileName);
                }
                catch (Exception e)
                {
    #if DEBUG
                    _writeLog(string.Format("Erreur : {0}", e.Message));
    #endif
                    text = "crashed";
                }
     
    #if DEBUG
                _writeLog("On sort de getFirstChunk()");
    #endif
     
                return true;
            }
     
            /// <summary>The IFilter::GetChunk method positions the filter at the beginning of the next chunk, or at the first chunk if this is the first call to the GetChunk method, and returns a description of the current chunk.</summary>
            /// <remarks>Each chunk might be tiny; the file extractor (filter) decides.
            /// Note that Chunk ID 0 is invalid; must start at 1.</remarks>
            /// <param name="pStat">STAT_CHUNK pointer</param>
            [PreserveSig]
            public int GetChunk(out STAT_CHUNK pStat)
            {
    #if DEBUG
                _writeLog("On entre dans GetChunk()");
    #endif
     
                bool bSuccess = true;
                STAT_CHUNK myStat = new STAT_CHUNK();
                pStat = myStat;
                pStat.locale = LANGUAGE_FR;
                iChunkCount++;
                pStat.idChunk = (uint)iChunkCount;
     
                if (iChunkCount == 2)
                {
    #if DEBUG
                    _writeLog("On sort de GetChunk()");
    #endif
                    return Constants.FILTER_E_END_OF_CHUNKS;
                }
     
                if (!doneFirstChunk)
                {
    #if DEBUG
                    _writeLog("!doneFirstChunk");
    #endif
                    doneFirstChunk = true;
                    bSuccess = getFirstChunk();
                }
     
                if (!bSuccess)
                {
    #if DEBUG
                    _writeLog("!bSuccess");
                    _writeLog("On sort de GetChunk() avec le message Constants.FILTER_E_END_OF_CHUNKS");
    #endif
                    return Constants.FILTER_E_END_OF_CHUNKS;
                }
                pStat.flags = CHUNKSTATE.CHUNK_TEXT;
     
                pStat.attribute.guidPropSet = new Guid(0xb725f130, 0x47ef, 0x101a, 0xa5, 0xf1, 0x02, 0x60, 0x8c, 0x9e, 0xeb, 0xac);
                pStat.attribute.psProperty.ulKind = (int)PSKIND.PROPID;
                pStat.attribute.psProperty.propid = Constants.PID_STG_CONTENTS;
                pStat.idChunkSource = pStat.idChunk;
                pStat.breakType = CHUNK_BREAKTYPE.CHUNK_EOC;
                pStat.cwcStartSource = 0;
    #if DEBUG
                _writeLog("On sort de GetChunk() avec le message Constants.FILTER_E_END_OF_CHUNKS");
    #endif
                return Constants.S_OK;
            }
     
            /// <summary>Gets the text from this chunk of type CHUNK_TEXT</summary>
            /// <param name="pcwcBuffer">Size of input buffer in UNICODE characters; fill with output size in CHARACTERS</param>
            /// <param name="buffer">Null-terminated UNICODE string of the text.</param>
            /// <returns></returns>
            /// <remarks>This is called repeatedly INSIDE THE ONE CHUNK until all the text 
            /// is delivered.</remarks>
            [PreserveSig]
            public int GetText(ref int pcwcBuffer, IntPtr buffer)
            {
    #if DEBUG
                _writeLog("On entre dans GetText()");
    #endif
                pcwcBuffer = text.Length;
                Marshal.Copy(text.ToCharArray(), 0, buffer, text.Length);
    #if DEBUG
                _writeLog("On sort de GetText()");
    #endif            
                return Constants.FILTER_S_LAST_TEXT;
            }
     
            /// <summary>Retrieves a value (internal value-type property) from a chunk, which must have a CHUNKSTATE enumeration value of CHUNK_VALUE.</summary>
            /// <param name="ppPropValue"></param>
            /// <remarks>According to the blog, the most important ones are:
            /// DocAuthor, PrimaryDate, PercievedType and DocTitle.
            /// PerceivedTypes include contact, communications/calendar
            ///		document/note and communications/task</remarks>
            ///		
            [PreserveSig]
            public int GetValue(UIntPtr ppPropValue)
            {
    #if DEBUG
                _writeLog("On entre (et sort) de GetValue()"); 
    #endif
                return Constants.FILTER_E_NO_VALUES;
            }
     
            /// <summary>Returns the class identifier (CLSID) for the component object. In the case 
            /// of a filter, this is the file type identifier.</summary>
            /// <param name="pClassID"></param>
            public void GetClassID(out Guid pClassID)
            {
    #if DEBUG
                _writeLog("On entre (et sort) de GetClassID()");
    #endif
                pClassID = new Guid(myGuid);
            }
            public void BindRegion([MarshalAs(UnmanagedType.Struct)]FILTERREGION origPos, ref Guid riid, ref UIntPtr ppunk)
            {
    #if DEBUG
                _writeLog("On entre (et sort) de BindRegion()");
    #endif
                return;
            }
     
     
            /// <summary>Open and initialize the file</summary>
            /// <param name="pszFileName">Absolute file path to open/initialize</param>
            /// <param name="dwMode">STGM flags for how to open</param>
            /// <remarks>The STGM Flags provide 18 options and additional combinations for how to open
            /// and process the file.  Since IFilters are inherently read-only to the IPersist:: file, 
            /// most of these are irrelevant.  So we're ignoring it.</remarks>
            public void Load(string pszFileName, int dwMode)
            {
    #if DEBUG
                _writeLog("On entre dans Load()");
                _writeLog(string.Format("On indexe {0}", pszFileName));
    #endif
                currentFileName = pszFileName;
    #if DEBUG
                _writeLog("On sort de Load()");
    #endif
            }
     
    #if DEBUG
            static public void _writeLog(string text)
            {
                string logFileName = "c:\\in\\logfile.txt";
                StreamWriter mylog = new StreamWriter(logFileName, true);
                if (mylog != null)
                    mylog.WriteLine(DateTime.Now.ToLongTimeString() + " " + text);
                mylog.Close();
     
            }
    #endif
     
            //	These are stubs needed for the interface but never called for Read-Only Access
            public void GetCurFile(out string ppszFileName) { ppszFileName = currentFileName; }
            public int IsDirty() { return Constants.E_NOTIMPL; }
            public void Save(string pszFileName, bool fRemember) { }
            public void SaveCompleted(string pszFileName) { }
        }
     
     
     
        [Flags]
        public enum IFILTER_INIT
        {
            NONE = 0,
            CANON_PARAGRAPHS = 1,
            HARD_LINE_BREAKS = 2,
            CANON_HYPHENS = 4,
            CANON_SPACES = 8,
            APPLY_INDEX_ATTRIBUTES = 16,
            APPLY_CRAWL_ATTRIBUTES = 256,
            APPLY_OTHER_ATTRIBUTES = 32,
            INDEXING_ONLY = 64,
            SEARCH_LINKS = 128,
            FILTER_OWNED_VALUE_OK = 512
        }
     
        [Flags]
        public enum IFILTER_FLAGS
        {
            OLE_PROPERTIES = 1
        }
     
        /// <summary>Describes what separates the CURRENT chunk from the PREVIOUS chunk with the same Attribute.
        /// Used by IFilter::GetChunk() in the return.</summary>
        public enum CHUNK_BREAKTYPE
        {
            CHUNK_NO_BREAK = 0,	/// <summary>No Break from previous and doesn't get flags/attributes; glue them </summary>
            CHUNK_EOW = 1,		/// <summary>Reached the End-Of-Word.  Don't use it; language dependent.</summary>
            CHUNK_EOS = 2,		/// <summary>Sentence Break</summary>
            CHUNK_EOP = 3,		///	<summary>Paragraph Break</summary>
            CHUNK_EOC = 4		///	<summary>Chapter Break</summary>
        }
     
        [Flags]
        public enum CHUNKSTATE
        {
            CHUNK_TEXT = 0x1,
            CHUNK_VALUE = 0x2,
            CHUNK_FILTER_OWNED_VALUE = 0x4
        }
     
        public enum PSKIND
        {
            LPWSTR = 0,
            PROPID = 1
        }
     
        // [StructLayout(LayoutKind.Sequential)]
        [StructLayout(LayoutKind.Explicit)]
        public struct PROPSPEC
        {
            [FieldOffset(0)]
            public uint ulKind;
            [FieldOffset(4)]
            public uint propid;
     
            //	NOTE: The real structure uses a Union.  C# doesn't support unions.  So I've commented
            //		  out this element to make the correct size.  Other samples don't do this.  TMcN
            [FieldOffset(4)]
            public IntPtr lpwstr;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct FULLPROPSPEC
        {
            public Guid guidPropSet;
            public PROPSPEC psProperty;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct STAT_CHUNK
        {
            public uint idChunk;
            [MarshalAs(UnmanagedType.U4)]
            public CHUNK_BREAKTYPE breakType;
            [MarshalAs(UnmanagedType.U4)]
            public CHUNKSTATE flags;
            public uint locale;
            [MarshalAs(UnmanagedType.Struct)]
            public FULLPROPSPEC attribute;
            public uint idChunkSource;
            public uint cwcStartSource;
            public uint cwcLenSource;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct FILTERREGION
        {
            public uint idChunk;
            public uint cwcStart;
            public uint cwcExtent;
        }
     
     
        [StructLayout(LayoutKind.Sequential)]
        public struct PROPVARIANT
        {
            public short vt;			/// <summary>Variant Type</summary>
            public short reserved1;
            public short reserved2;
            public short reserved3;
            unsafe
            public char* pwszVal;
        }
     
     
        [ComImport]
        [Guid("89BCB740-6119-101A-BCB7-00DD010655AF")]
        [InterfaceType(ComInterfaceType.InterfaceIsIUnknown)]
        public interface IFilter
        {
            void Init([MarshalAs(UnmanagedType.U4)] IFILTER_INIT grfFlags, uint cAttributes,
                [MarshalAs(UnmanagedType.LPArray, SizeParamIndex = 1)] FULLPROPSPEC[] aAttributes,
                ref uint pdwFlags);
            [PreserveSig]
            int GetChunk(out STAT_CHUNK pStat);
     
     
            [PreserveSig]
            int GetText(ref int pcwcBuffer, IntPtr buffer);
            [PreserveSig]
            int GetValue(UIntPtr ppPropValue);
     
            void BindRegion([MarshalAs(UnmanagedType.Struct)]FILTERREGION origPos, ref Guid riid, ref UIntPtr ppunk);
        }
     
        [ComImport]
        [Guid("f07f3920-7b8c-11cf-9be8-00aa004b9986")]
        public class CFilter
        {
        }
     
        public class Constants
        {
            public const uint PID_STG_DIRECTORY = 0x00000002;
            public const uint PID_STG_CLASSID = 0x00000003;
            public const uint PID_STG_STORAGETYPE = 0x00000004;
            public const uint PID_STG_VOLUME_ID = 0x00000005;
            public const uint PID_STG_PARENT_WORKID = 0x00000006;
            public const uint PID_STG_SECONDARYSTORE = 0x00000007;
            public const uint PID_STG_FILEINDEX = 0x00000008;
            public const uint PID_STG_LASTCHANGEUSN = 0x00000009;
            public const uint PID_STG_NAME = 0x0000000a;
            public const uint PID_STG_PATH = 0x0000000b;
            public const uint PID_STG_SIZE = 0x0000000c;
            public const uint PID_STG_ATTRIBUTES = 0x0000000d;
            public const uint PID_STG_WRITETIME = 0x0000000e;
            public const uint PID_STG_CREATETIME = 0x0000000f;
            public const uint PID_STG_ACCESSTIME = 0x00000010;
            public const uint PID_STG_CHANGETIME = 0x00000011;
            public const uint PID_STG_CONTENTS = 0x00000013;
            public const uint PID_STG_SHORTNAME = 0x00000014;
            public const int FILTER_E_END_OF_CHUNKS = (unchecked((int)0x80041700));
            public const int FILTER_E_NO_MORE_TEXT = (unchecked((int)0x80041701));
            public const int FILTER_E_NO_MORE_VALUES = (unchecked((int)0x80041702));
            public const int FILTER_E_NO_TEXT = (unchecked((int)0x80041705));
            public const int FILTER_E_NO_VALUES = (unchecked((int)0x80041706));
            public const int FILTER_S_LAST_TEXT = (unchecked((int)0x00041709));
            public const int S_OK = (unchecked((int)0x00000000L));
            public const int S_FALSE = (unchecked((int)0x00000001L));
            public const int E_NOTIMPL = (unchecked((int)0x80004001L));
            public const int E_ABORT = (unchecked((int)0x80004004L));
     
        }
     
        public class TesseractOCR
        {
            private string commandpath;
            private string outpath;
     
            public TesseractOCR(string commandpath)
            {
    #if DEBUG
                _writeLog("TesseractOCR()");
    #endif
                this.commandpath = commandpath;
                outpath = Path.ChangeExtension(Path.GetTempFileName(), ".txt");
     
    #if DEBUG
                _writeLog(string.Format("commandpath : {0}", commandpath));
                _writeLog(string.Format("outpath : {0}", outpath));
    #endif
            }
            private string analyze(string filename)
            {
    #if DEBUG
                _writeLog("analyze()");
    #endif
                string args = string.Format("\"{0}\" \"{1}\" -l fra", filename, outpath.Replace(".txt", string.Empty));
    #if DEBUG
                _writeLog(string.Format("args : {0}", args));
    #endif
                ProcessStartInfo startinfo = new ProcessStartInfo(commandpath, args);
                startinfo.CreateNoWindow = true;
                startinfo.UseShellExecute = false;
    #if DEBUG
                _writeLog(string.Format("commandpath : {0}", commandpath));
                if (!File.Exists(filename))
                {
                    _writeLog(string.Format("Le fichier {0} n'existe pas !", filename));
                }
                _writeLog("Lancement de la reconnaissance OCR");
    #endif
     
                Process.Start(startinfo).WaitForExit();
     
                string ret = "";
    #if DEBUG
                if (!File.Exists(outpath))
                {
                    _writeLog(string.Format("Le fichier {0} n'existe pas !", outpath));
                }
    #endif            
                using (StreamReader r = new StreamReader(outpath))
                {
    #if DEBUG
                    _writeLog("lecture du fichier de sortie");
    #endif
                    string content = r.ReadToEnd();
                    ret = content;
                }
    #if DEBUG
                _writeLog(string.Format("ret : {0}", ret));
    #endif
                File.Delete(outpath);
                return ret;
            }
     
            public string OCRFromFile(string filename)
            {
    #if DEBUG
                _writeLog("OCRFromFile()");
    #endif
                return analyze(filename);
            }
     
    #if DEBUG
            static public void _writeLog(string text)
            {
                string logFileName = "c:\\in\\logfile2.txt";
                StreamWriter mylog = new StreamWriter(logFileName, true);
                if (mylog != null)
                    mylog.WriteLine(DateTime.Now.ToLongTimeString() + " " + text);
                mylog.Close();
     
            }
    #endif
        }
    }

  2. #2
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut Exemple
    Voici en pièce jointe une image que j'ai indexé dans une table de SQL Server (je suis sous XP, je n'ai donc pas pu valider que l'indexation de Windows Search fonctionnait, même si en toute logique, elle doit).

    Image indexée :
    Nom : mcd2.PNG
Affichages : 702
Taille : 49,7 Ko

    Contenu de la table :
    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    5
    6
     
    id                                   doc_id               user_id     title                                                                                                                                                                                                                                                            extension  doc
    ------------------------------------ -------------------- ----------- ------------------------- ---------- --------------------
    32E78E7E-5C35-E111-B8EA-002197045CD6 8001                 260         mcd2.PNG                 .png       0x89504E470D0A1A0A00
    2AA72F99-5C35-E111-B8EA-002197045CD6 8002                 260         test.doc                  .doc       0xD0CF11E0A1B11AE100
    (2*ligne(s) affectée(s))
    Recherche dans la table :
    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    select *
    from document
    where contains(doc, '"verre" and "monture"');
    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    id                                   doc_id               user_id     title                                                                                                                                                                                                                                                            extension  doc
    ------------------------------------ -------------------- ----------- ------------------------- ---------- --------------------
    32E78E7E-5C35-E111-B8EA-002197045CD6 8001                 260         mcd2.PNG                 .png       0x89504E470D0A1A0A00
    (1*ligne(s) affectée(s))

  3. #3
    Membre éclairé
    Homme Profil pro
    Développeur / architecte
    Inscrit en
    Juillet 2009
    Messages
    473
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Bas Rhin (Alsace)

    Informations professionnelles :
    Activité : Développeur / architecte

    Informations forums :
    Inscription : Juillet 2009
    Messages : 473
    Points : 674
    Points
    674
    Par défaut
    Salut,

    Merci c'est très intéressant !

    Juste une question (suis nul en BDD): le texté extrait est stocké par le système réellement comme index comme une clé primaire par exemple?

    Merci,
    A+

    PS: Sinon, une remarque: il me semble que dans notre GED, les fichiers sont stockés sur un filesystem et ce sont uniquement les métadonnées (ce qui est extrait du document) qui sont stockées dans la BDD pour gérer les recherches. Apparemment pr une question de perfs...

  4. #4
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    La DLL que je propose est un IFilter, c'est à dire un module utilisé par Index Server / Windows Search (et donc SQL Server) pour indexer les données textuelles d'un document.

    Cela ne s'applique donc pas uniquement à SQL Server, mais le moteur de recherche de Windows aussi.

    Ensuite, dans SQL Server, il s'agit d'allimenter un index fulltext. Ca ne ressemble en rien à un index classique, et son utilisation est toute autre.

    Pour interroger un index fulltext, on utilise les fonctions CONTAINS ou FREETEXT (ou CONTAINSTABLE et FREETEXTTABLE).

    Dans l'implémentation que j'ai choisi (qui est indépendante du sujet de ce topic), je stocke le document dans un FileStream aussi.
    Je ne lis pas les méta-données du fichier (j'ajouterai peut-être cette fonctionnalité dans le future, mais ce n'est pas ce que je cherchais à faire au départ).
    Je ne stocke rien d'autre dans la base de données. En revanche, lorsque le service d'indexation fulltext va analyser l'image, il va récupérer le texte retourné par l'OCR. Et c'est ça qu'il va mettre dans son index. En revanche, il est impossible de retrouver ce texte, j'ai pris la décision de ne pas le stocker, de la même façon qu'on ne s'amuse pas à recopier le texte contenu dans un document Word ou PDF dans la base de la GED.

    Le IFilter se contente juste de faire une reconnaissance des caractères sur le fichier, puis de renvoyer au moteur d'indexation le texte détecté. Il n'y a aucune modification du fichier source, ni création d'un autre fichier/donnée.

  5. #5
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    Pour lire les méta, je pense me baser sur ces liens :

    http://msdn.microsoft.com/fr-fr/library/xddt0dz7.aspx
    http://www.switchonthecode.com/tutor...ta-with-csharp

    Le truc chiant, c'est que je vais devoir m'amuser avec les GetChunk(), GetValue() et tout le tralala, que j'avais gentillement esquivé dans le code actuel

  6. #6
    Rédacteur
    Avatar de Nathanael Marchand
    Homme Profil pro
    Expert .Net So@t
    Inscrit en
    Octobre 2008
    Messages
    3 615
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 38
    Localisation : France, Paris (Île de France)

    Informations professionnelles :
    Activité : Expert .Net So@t
    Secteur : Conseil

    Informations forums :
    Inscription : Octobre 2008
    Messages : 3 615
    Points : 8 082
    Points
    8 082
    Par défaut
    C'est intéressant comme truc ca
    N'hésite pas à en faire un article sur Developpez si ca te tente

  7. #7
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    Je vais essayer de le compléter avant de faire un tel article.

    Il faut absolument que j'ajoute la gestion des méta-données, et si possible, l'interfaçage à une DLL pour l'OCR, plutôt que la méthode actuelle (qui marche, certes).

  8. #8
    Membre éclairé
    Homme Profil pro
    Développeur / architecte
    Inscrit en
    Juillet 2009
    Messages
    473
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Bas Rhin (Alsace)

    Informations professionnelles :
    Activité : Développeur / architecte

    Informations forums :
    Inscription : Juillet 2009
    Messages : 473
    Points : 674
    Points
    674
    Par défaut
    Citation Envoyé par Nathanael Marchand Voir le message
    N'hésite pas à en faire un article sur Developpez si ca te tente
    ++ !!


  9. #9
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    Un petit UP pour vous indiquer que j'ai fini par trouver une DLL permettant d'utiliser Tesseract 3 avec C#.
    http://code.google.com/p/tesseractdotnet/

    Je ne l'ai pas compilée moi-même, car je n'ai pas VC++ sur mon poste.
    Ce n'est pas non plus la version qu'on trouve dans le lien ci-dessus, car elle ne fonctionne pas sur mon PC.

    Il s'agit donc de la version que j'ai trouvé ici :
    http://code.google.com/p/tesseractdo...es/detail?id=1
    (Lien direct : http://tesseractdotnet.googlecode.co...A1327575785561)

    J'en ai profité aussi pour supprimer les logs de DEBUG.

    Je n'ai pas ajouté de nouvelle fonctionnalité au programme, en revanche ses performances et sa stabilité doivent être largement améliorées par l'utilisation directe d'une DLL pour faire le travail plutôt qu'un EXE avec génération d'un fichier texte temporaire sur le disque... Cela devrait aussi résoudre d'éventuels problèmes de droits d'accès (le service d'indexation n'a pas forcément accès en écriture/suppression au dossier où se trouve la DLL).

    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    98
    99
    100
    101
    102
    103
    104
    105
    106
    107
    108
    109
    110
    111
    112
    113
    114
    115
    116
    117
    118
    119
    120
    121
    122
    123
    124
    125
    126
    127
    128
    129
    130
    131
    132
    133
    134
    135
    136
    137
    138
    139
    140
    141
    142
    143
    144
    145
    146
    147
    148
    149
    150
    151
    152
    153
    154
    155
    156
    157
    158
    159
    160
    161
    162
    163
    164
    165
    166
    167
    168
    169
    170
    171
    172
    173
    174
    175
    176
    177
    178
    179
    180
    181
    182
    183
    184
    185
    186
    187
    188
    189
    190
    191
    192
    193
    194
    195
    196
    197
    198
    199
    200
    201
    202
    203
    204
    205
    206
    207
    208
    209
    210
    211
    212
    213
    214
    215
    216
    217
    218
    219
    220
    221
    222
    223
    224
    225
    226
    227
    228
    229
    230
    231
    232
    233
    234
    235
    236
    237
    238
    239
    240
    241
    242
    243
    244
    245
    246
    247
    248
    249
    250
    251
    252
    253
    254
    255
    256
    257
    258
    259
    260
    261
    262
    263
    264
    265
    266
    267
    268
    269
    270
    271
    272
    273
    274
    275
    276
    277
    278
    279
    280
    281
    282
    283
    284
    285
    286
    287
    288
    289
    290
    291
    292
    293
    294
    295
    296
    297
    298
    299
    300
    301
    302
    303
    304
    305
    306
    307
    308
    309
    310
    311
    312
    313
    314
    315
    316
    317
    318
    319
    320
    321
    322
    323
    324
    325
    326
    327
    328
    329
    330
    331
    332
    333
    334
    335
    336
    337
    338
    339
    340
    341
    342
    343
    344
    345
    346
    347
    348
     
    using Microsoft.Win32;
    using System;
    using System.Diagnostics;
    using System.Drawing;
    using System.IO;
    using System.Reflection;
    using System.Runtime.InteropServices;
    using System.Runtime.InteropServices.ComTypes;
    using System.Text;
    using OCR.TesseractWrapper;
     
    namespace IFilterPicture
    {
        /// <summary>
        /// The IFilter and IPersistFile interfaces, and some support structure
        /// for the File Filter (Extractor)
        /// </summary>
        [ComVisible(true), Guid("78BD7653-D16A-43ad-B119-7080D635F27E")]
        public class IFilterPicture : IPersistFile, IFilter
        {
            private static string myGuid = "78BD7653-D16A-43ad-B119-7080D635F27E"; /// <summary>For convenience, GUID in a string</summary>
     
            private bool bApplyIndexAttributes = false;
            private bool bCrawlAttributes = false;
            private bool bApplyOther = false;
     
            private bool doneFirstChunk = false;
     
            private string currentFileName = string.Empty;
            private int iChunkCount = 0;
     
            private const uint LANGUAGE_FR = 0x040C;
     
            private string text;
     
            public IFilterPicture()
            {
            }
     
            //	IFilter Methods
            /// <summary>Initializes a filtering session.</summary>
            /// <param name="grfFlags">What processing to perform</param>
            /// <param name="cAttributes">How many Attribute elements are in the aAttributes array, may be 0</param>
            /// <param name="aAttributes">Attributes to process</param>
            /// <param name="pdwFlags"></param>
            public void Init([MarshalAs(UnmanagedType.U4)] IFILTER_INIT grfFlags, uint cAttributes, [MarshalAs(UnmanagedType.LPArray, SizeParamIndex = 1)] FULLPROPSPEC[] aAttributes, ref uint pdwFlags)
            {
                bApplyIndexAttributes = ((grfFlags & IFILTER_INIT.APPLY_INDEX_ATTRIBUTES) == IFILTER_INIT.APPLY_INDEX_ATTRIBUTES);
                bCrawlAttributes = ((grfFlags & IFILTER_INIT.APPLY_CRAWL_ATTRIBUTES) == IFILTER_INIT.APPLY_CRAWL_ATTRIBUTES);
                bApplyOther = ((grfFlags & IFILTER_INIT.APPLY_OTHER_ATTRIBUTES) == IFILTER_INIT.APPLY_OTHER_ATTRIBUTES);
            }
     
            /// <summary>
            /// Loads the first chunk or sets the pointers to zero on fail
            /// </summary>
            /// <returns></returns>
            private bool getFirstChunk()
            {
                if ((currentFileName == null) || (File.Exists(currentFileName) == false))
                {
                    currentFileName = "";
                    return false;
                }
     
                try
                {
                    TesseractProcessor p = new TesseractProcessor();
                    if (p.Init(Path.GetDirectoryName(Assembly.GetAssembly(typeof(IFilterPicture)).Location) + @"\fra.traineddata", "fra", (int)eOcrEngineMode.OEM_DEFAULT))
                    {
                        text = p.Recognize(currentFileName);
                    }
                    else
                    {
                        text = string.Empty;
                    }
                }
                catch (Exception e)
                {
                    text = string.Empty;
                }
     
                return true;
            }
     
            /// <summary>The IFilter::GetChunk method positions the filter at the beginning of the next chunk, or at the first chunk if this is the first call to the GetChunk method, and returns a description of the current chunk.</summary>
            /// <remarks>Each chunk might be tiny; the file extractor (filter) decides.
            /// Note that Chunk ID 0 is invalid; must start at 1.</remarks>
            /// <param name="pStat">STAT_CHUNK pointer</param>
            [PreserveSig]
            public int GetChunk(out STAT_CHUNK pStat)
            {
                bool bSuccess = true;
                STAT_CHUNK myStat = new STAT_CHUNK();
                pStat = myStat;
                pStat.locale = LANGUAGE_FR;
                iChunkCount++;
                pStat.idChunk = (uint)iChunkCount;
     
                if (iChunkCount == 2)
                {
                    return Constants.FILTER_E_END_OF_CHUNKS;
                }
     
                if (!doneFirstChunk)
                {
                    doneFirstChunk = true;
                    bSuccess = getFirstChunk();
                }
     
                if (!bSuccess)
                {
                    return Constants.FILTER_E_END_OF_CHUNKS;
                }
                pStat.flags = CHUNKSTATE.CHUNK_TEXT;
     
                pStat.attribute.guidPropSet = new Guid(0xb725f130, 0x47ef, 0x101a, 0xa5, 0xf1, 0x02, 0x60, 0x8c, 0x9e, 0xeb, 0xac);
                pStat.attribute.psProperty.ulKind = (int)PSKIND.PROPID;
                pStat.attribute.psProperty.propid = Constants.PID_STG_CONTENTS;
                pStat.idChunkSource = pStat.idChunk;
                pStat.breakType = CHUNK_BREAKTYPE.CHUNK_EOC;
                pStat.cwcStartSource = 0;
                return Constants.S_OK;
            }
     
            /// <summary>Gets the text from this chunk of type CHUNK_TEXT</summary>
            /// <param name="pcwcBuffer">Size of input buffer in UNICODE characters; fill with output size in CHARACTERS</param>
            /// <param name="buffer">Null-terminated UNICODE string of the text.</param>
            /// <returns></returns>
            /// <remarks>This is called repeatedly INSIDE THE ONE CHUNK until all the text 
            /// is delivered.</remarks>
            [PreserveSig]
            public int GetText(ref int pcwcBuffer, IntPtr buffer)
            {
                pcwcBuffer = text.Length;
                Marshal.Copy(text.ToCharArray(), 0, buffer, text.Length);
                return Constants.FILTER_S_LAST_TEXT;
            }
     
            /// <summary>Retrieves a value (internal value-type property) from a chunk, which must have a CHUNKSTATE enumeration value of CHUNK_VALUE.</summary>
            /// <param name="ppPropValue"></param>
            /// <remarks>According to the blog, the most important ones are:
            /// DocAuthor, PrimaryDate, PercievedType and DocTitle.
            /// PerceivedTypes include contact, communications/calendar
            ///		document/note and communications/task</remarks>
            ///		
            [PreserveSig]
            public int GetValue(UIntPtr ppPropValue)
            {
                return Constants.FILTER_E_NO_VALUES;
            }
     
            /// <summary>Returns the class identifier (CLSID) for the component object. In the case 
            /// of a filter, this is the file type identifier.</summary>
            /// <param name="pClassID"></param>
            public void GetClassID(out Guid pClassID)
            {
                pClassID = new Guid(myGuid);
            }
     
            public void BindRegion([MarshalAs(UnmanagedType.Struct)]FILTERREGION origPos, ref Guid riid, ref UIntPtr ppunk)
            {
                return;
            }
     
     
            /// <summary>Open and initialize the file</summary>
            /// <param name="pszFileName">Absolute file path to open/initialize</param>
            /// <param name="dwMode">STGM flags for how to open</param>
            /// <remarks>The STGM Flags provide 18 options and additional combinations for how to open
            /// and process the file.  Since IFilters are inherently read-only to the IPersist:: file, 
            /// most of these are irrelevant.  So we're ignoring it.</remarks>
            public void Load(string pszFileName, int dwMode)
            {
                currentFileName = pszFileName;
            }
     
            //	These are stubs needed for the interface but never called for Read-Only Access
            public void GetCurFile(out string ppszFileName) { ppszFileName = currentFileName; }
            public int IsDirty() { return Constants.E_NOTIMPL; }
            public void Save(string pszFileName, bool fRemember) { }
            public void SaveCompleted(string pszFileName) { }
        }
     
        [Flags]
        public enum IFILTER_INIT
        {
            NONE = 0,
            CANON_PARAGRAPHS = 1,
            HARD_LINE_BREAKS = 2,
            CANON_HYPHENS = 4,
            CANON_SPACES = 8,
            APPLY_INDEX_ATTRIBUTES = 16,
            APPLY_CRAWL_ATTRIBUTES = 256,
            APPLY_OTHER_ATTRIBUTES = 32,
            INDEXING_ONLY = 64,
            SEARCH_LINKS = 128,
            FILTER_OWNED_VALUE_OK = 512
        }
     
        [Flags]
        public enum IFILTER_FLAGS
        {
            OLE_PROPERTIES = 1
        }
     
        /// <summary>Describes what separates the CURRENT chunk from the PREVIOUS chunk with the same Attribute.
        /// Used by IFilter::GetChunk() in the return.</summary>
        public enum CHUNK_BREAKTYPE
        {
            CHUNK_NO_BREAK = 0,	/// <summary>No Break from previous and doesn't get flags/attributes; glue them </summary>
            CHUNK_EOW = 1,		/// <summary>Reached the End-Of-Word.  Don't use it; language dependent.</summary>
            CHUNK_EOS = 2,		/// <summary>Sentence Break</summary>
            CHUNK_EOP = 3,		///	<summary>Paragraph Break</summary>
            CHUNK_EOC = 4		///	<summary>Chapter Break</summary>
        }
     
        [Flags]
        public enum CHUNKSTATE
        {
            CHUNK_TEXT = 0x1,
            CHUNK_VALUE = 0x2,
            CHUNK_FILTER_OWNED_VALUE = 0x4
        }
     
        public enum PSKIND
        {
            LPWSTR = 0,
            PROPID = 1
        }
     
        // [StructLayout(LayoutKind.Sequential)]
        [StructLayout(LayoutKind.Explicit)]
        public struct PROPSPEC
        {
            [FieldOffset(0)]
            public uint ulKind;
            [FieldOffset(4)]
            public uint propid;
     
            //	NOTE: The real structure uses a Union.  C# doesn't support unions.  So I've commented
            //		  out this element to make the correct size.  Other samples don't do this.  TMcN
            [FieldOffset(4)]
            public IntPtr lpwstr;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct FULLPROPSPEC
        {
            public Guid guidPropSet;
            public PROPSPEC psProperty;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct STAT_CHUNK
        {
            public uint idChunk;
            [MarshalAs(UnmanagedType.U4)]
            public CHUNK_BREAKTYPE breakType;
            [MarshalAs(UnmanagedType.U4)]
            public CHUNKSTATE flags;
            public uint locale;
            [MarshalAs(UnmanagedType.Struct)]
            public FULLPROPSPEC attribute;
            public uint idChunkSource;
            public uint cwcStartSource;
            public uint cwcLenSource;
        }
     
        [StructLayout(LayoutKind.Sequential)]
        public struct FILTERREGION
        {
            public uint idChunk;
            public uint cwcStart;
            public uint cwcExtent;
        }
     
     
        [StructLayout(LayoutKind.Sequential)]
        public struct PROPVARIANT
        {
            public short vt;			/// <summary>Variant Type</summary>
            public short reserved1;
            public short reserved2;
            public short reserved3;
            unsafe
            public char* pwszVal;
        }
     
     
        [ComImport]
        [Guid("89BCB740-6119-101A-BCB7-00DD010655AF")]
        [InterfaceType(ComInterfaceType.InterfaceIsIUnknown)]
        public interface IFilter
        {
            void Init([MarshalAs(UnmanagedType.U4)] IFILTER_INIT grfFlags, uint cAttributes,
                [MarshalAs(UnmanagedType.LPArray, SizeParamIndex = 1)] FULLPROPSPEC[] aAttributes,
                ref uint pdwFlags);
            [PreserveSig]
            int GetChunk(out STAT_CHUNK pStat);
     
     
            [PreserveSig]
            int GetText(ref int pcwcBuffer, IntPtr buffer);
            [PreserveSig]
            int GetValue(UIntPtr ppPropValue);
     
            void BindRegion([MarshalAs(UnmanagedType.Struct)]FILTERREGION origPos, ref Guid riid, ref UIntPtr ppunk);
        }
     
        [ComImport]
        [Guid("f07f3920-7b8c-11cf-9be8-00aa004b9986")]
        public class CFilter
        {
        }
     
        public class Constants
        {
            public const uint PID_STG_DIRECTORY = 0x00000002;
            public const uint PID_STG_CLASSID = 0x00000003;
            public const uint PID_STG_STORAGETYPE = 0x00000004;
            public const uint PID_STG_VOLUME_ID = 0x00000005;
            public const uint PID_STG_PARENT_WORKID = 0x00000006;
            public const uint PID_STG_SECONDARYSTORE = 0x00000007;
            public const uint PID_STG_FILEINDEX = 0x00000008;
            public const uint PID_STG_LASTCHANGEUSN = 0x00000009;
            public const uint PID_STG_NAME = 0x0000000a;
            public const uint PID_STG_PATH = 0x0000000b;
            public const uint PID_STG_SIZE = 0x0000000c;
            public const uint PID_STG_ATTRIBUTES = 0x0000000d;
            public const uint PID_STG_WRITETIME = 0x0000000e;
            public const uint PID_STG_CREATETIME = 0x0000000f;
            public const uint PID_STG_ACCESSTIME = 0x00000010;
            public const uint PID_STG_CHANGETIME = 0x00000011;
            public const uint PID_STG_CONTENTS = 0x00000013;
            public const uint PID_STG_SHORTNAME = 0x00000014;
            public const int FILTER_E_END_OF_CHUNKS = (unchecked((int)0x80041700));
            public const int FILTER_E_NO_MORE_TEXT = (unchecked((int)0x80041701));
            public const int FILTER_E_NO_MORE_VALUES = (unchecked((int)0x80041702));
            public const int FILTER_E_NO_TEXT = (unchecked((int)0x80041705));
            public const int FILTER_E_NO_VALUES = (unchecked((int)0x80041706));
            public const int FILTER_S_LAST_TEXT = (unchecked((int)0x00041709));
            public const int S_OK = (unchecked((int)0x00000000L));
            public const int S_FALSE = (unchecked((int)0x00000001L));
            public const int E_NOTIMPL = (unchecked((int)0x80004001L));
            public const int E_ABORT = (unchecked((int)0x80004004L));
        }
    }
    En pièce jointe, le fichier de dictionnaire français nécessaire.

    Si vous ne désirez pas l'utiliser, vous pouvez tenter de supprimer la ligne
    Code : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
     
    p.Init(Path.GetDirectoryName(Assembly.GetAssembly(typeof(IFilterPicture)).Location) + @"\fra.traineddata", "fra", (int)eOcrEngineMode.OEM_DEFAULT)
    Cependant, je ne sais pas si ça peut fonctionner sans... (j'en doute).
    Si vous voulez utiliser une autre langue, il suffit de vous rendre sur le site du projet TesserAct et télécharger un autre dictionnaire.
    http://code.google.com/p/tesseract-ocr/
    Fichiers attachés Fichiers attachés
    • Type de fichier : 7z fra.7z (668,3 Ko, 202 affichages)

  10. #10
    kbz
    kbz est déconnecté
    Membre à l'essai
    Profil pro
    Inscrit en
    Mars 2005
    Messages
    15
    Détails du profil
    Informations personnelles :
    Localisation : France

    Informations forums :
    Inscription : Mars 2005
    Messages : 15
    Points : 13
    Points
    13
    Par défaut
    Salut,

    Serai-t-il possible d'avoir un exemple d’implémentation ?

    Merci beaucoup !

  11. #11
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    Bonjour,

    Le code ci-dessus compile.

    Ensuite tu n'as plus qu'à enregistrer convenablement la DLL produite (c'est un peu complexe à faire, il y a des tas de références croisées dans tous les sens) et ensuite ça marche tout seul.

    En pièce jointe, tu trouveras le projet complet que j'ai créé.
    Fichiers attachés Fichiers attachés

  12. #12
    Membre éclairé
    Inscrit en
    Septembre 2007
    Messages
    1 137
    Détails du profil
    Informations personnelles :
    Âge : 41

    Informations forums :
    Inscription : Septembre 2007
    Messages : 1 137
    Points : 707
    Points
    707
    Par défaut
    Bonjour,

    j'utilise actuellement un logiciel OCR et je stocke son contenu dans un ficher .txt.
    Puis á l'aide d'un streamreader, je stocke le contenu du fichier texte dans ma base sqlserver.(VARCHAR(MAX)), seulement voila, la base étant limité en taille je me demade si l'indexation ne serait pas une solution.

    Par contre je ne comprends pas ce que vous stocker dans la base, ni comment, Avez-vous un exemple pour faire cela.

    Merci d'avance

  13. #13
    Expert éminent
    Avatar de StringBuilder
    Homme Profil pro
    Chef de projets
    Inscrit en
    Février 2010
    Messages
    4 170
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 45
    Localisation : France, Rhône (Rhône Alpes)

    Informations professionnelles :
    Activité : Chef de projets
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Février 2010
    Messages : 4 170
    Points : 7 422
    Points
    7 422
    Billets dans le blog
    1
    Par défaut
    Bonjour !

    Vous allez me dire "mieux vaut tard que jamais".

    Désolé de ne pas avoir vu votre question plus tôt.

    Alors voici ce que fait mon code :
    - Insertion dans une table (dans une colonne FILESTREAM évidement) des images
    - Ajout de la colonne à un catalogue fulltext
    - Le IFilter alors utilisé lors de l'indexation fait une reconnaissance des mots dans l'image, et les stocke dans le dictionnaire, comme s'il les avait lu dans un fichier Word ou texte par exemple.

    Donc ma démarche consiste en fait à ne pas séparer l'image de son dictionnaire : pas de colonne texte intermédiaire.

    En revanche, niveau place, pas de miracle : une colonne de type texte est bien plus petite qu'une colonne contenant des images.
    Ton problème de place peut être partiellement contourné en utilisant FILESTREAM, qui permet un stockage dans un espace différent.

Discussions similaires

  1. Réponses: 6
    Dernier message: 02/02/2011, 10h13
  2. [SVG] Affiché des images dans un rectangle sous firefox
    Par Spiderben dans le forum Firefox
    Réponses: 0
    Dernier message: 31/07/2007, 22h45
  3. Indexation des images
    Par dasou dans le forum C++Builder
    Réponses: 1
    Dernier message: 27/04/2007, 11h07
  4. Réponses: 6
    Dernier message: 23/02/2007, 21h20

Partager

Partager
  • Envoyer la discussion sur Viadeo
  • Envoyer la discussion sur Twitter
  • Envoyer la discussion sur Google
  • Envoyer la discussion sur Facebook
  • Envoyer la discussion sur Digg
  • Envoyer la discussion sur Delicious
  • Envoyer la discussion sur MySpace
  • Envoyer la discussion sur Yahoo