contains_unichar_id异常

最新推荐文章于 2022-08-21 19:33:12 发布
原创 最新推荐文章于 2022-08-21 19:33:12 发布 · 418 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

在使用Tesseract 4.0进行图像文字识别时遇到崩溃问题，错误发生在调用"TessBaseAPIRecognize()"时。经过调试和分析，确定不是空指针或野指针导致，而是与字库相关。通过尝试使用不同版本的字库，发现30多M的"4.00"版本字库解决了崩溃问题。问题在于原始字库中可能缺少某些字符，导致识别特定字符时程序崩溃。

近日在使用Tesseract4.0时踩了个坑，在识别一张质量较差的图片时崩溃了。

原图文字被切成多行，每一行文字调用一次Tesseract识别。在某一次崩了，偶发bug。

Release崩溃截图如下：

进入Debug模式崩溃截图如下：

 调试发现，是在在某次调用"TessBaseAPIRecognize()" 时崩溃了。

百度搜索"读取位置0x000000时发生访问冲突",都说是空指针，野指针的问题。

但实际调试发现"handle"正常，并不是指针问题。

然后根据Release崩溃信息去看源码，如图：

断言在"contains_unichar_id(unichar_id)"，分析这个英文意思：包含字符id 。

这个字符的ID不存在？字符不就是在字库里吗？

换个字库试试看

github找到Tesseract4.0的字库，如图：

 其中"4.0.0"与“master”版本字库都是20多M大小(好像是一样的)

"4.00"版本字库30多M

我之前使用的字库是20多M，那直接换这30多M的字库试一下。

换掉字库之后，运行竟然成功了。。。

识别结果如下：

发现第5行有个特殊字符，程序崩溃 。。。。。。

似乎问题就在字库这了

这不是个坑货吗，字库里没有的字就崩溃？

 

此问题纯个人分析，如有不同看法，欢迎交流

解决：actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES:Error:Assert failed:in file ..\..\ccutil\tes...
anywen5590的博客
07-23 1916
在玩tesseract时，发现如下报错： 这个是因为Tesseract-OCR的版本和chi_sim.traindata字库版本不匹配，由于我的Tesseract-OCR是3.02.02，去google下载字库要翻墙，优快云要积分，在百度快要无望的情况下，发现了该网站http://www.xue51.com/soft/1594.html#xzdz，才得以解决字库的问题 然后把字...
Tesseract训练字库研究过程中的一些问题和解决方案
u013116540的博客
07-07 2119
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
tesseract3.0.2font_id >= 0 && font_id < font_id_map_.SparseSize():Error:Assert failed:in file ..\..\...
weixin_30347335的博客
08-08 382
https://stackoverflow.com/questions/14025965/mftraining-gives-warning-no-protos-configs-for-f-in-createinttemplates 大概意思就是，文件命名格式问题 文件命名要三部分 语言.字体名字.exp[随便写一个数字] 原来我写的是eng.hangwriting.tif 应该...
Artifact contains illegal characters报错
ww空ww的博客
12-30 967
IDEA Spring项目创建 Artifact
libffi js java_使用 libffi 实现 AOP
weixin_42360967的博客
02-19 305
前言众所周知，使用runtime的提供的接口，我们可以设定原方法的IMP，或交换原方法和目标方法的IMP，以完全代替原方法的实现，或为原实现前后相当于加一段额外的代码。@interface ClassA: NSObject- (void)methodA;+ (void)methodB;@end...@implementation ClassA (Swizzle)+ (void)load {Meth...
使用 libffi 实现 AOP
diaoju3333的博客
02-19 942
核心还是利用oc消息的查找派发机制，进行类结构的动态修改，用新函数替换老函数，然后再调用老函数。 前言     众所周知，使用runtime的提供的接口，我们可以设定原方法的IMP，或交换原方法和目标方法的IMP，以完全代替原方法的实现，或为原实现前后相当于加一段额外的代码。 @interface ClassA: NSObject - (void)methodA; + (...
关于8月版本UNICHAR的几个问题
PowerBI木小桼
08-21 850
UNICHAR是DAX中简单的不能再简单的函数，只需要传入一段数字就可以返回一个字符，和它对应的一个函数是UNICODE，作用是返回字符代表的数字。比如学C语言时刻到骨子里的UNICHAR(65)返回的是A。这么多字符，我们并不需要一个个去记他们，需要用到时只需要去以下网站查找我们需要的字符就好了。基本拉丁字母 — ✔️ ❤️ ★ Unicode 字符百科 (unicode-table.com)[1]比如我们查找一个五角星，其中9733就是五角星的代码效果如下，这里文本设置为了红色。
passport:UniChar 的 OAuth2 客户端身份验证
07-11
UniChar 的 Passport.js 身份验证 使用 OAuth 2.0 API 使用进行身份验证的策略。 此模块允许您在 Node.js 应用程序中使用 UniChar 进行身份验证。 通过插入 Passport，UniChar 身份验证可以轻松且不引人注目地集成...
cli:UniChar 的命令行界面
07-11
UniChar：命令行界面 使用命令行对远程 UniChar 服务执行 API 请求的实用程序应用程序。 安装 使用 npm： npm install unichar-cli 学分 由发起 的的一部分 在下
【Excel】UNICHAR函数展示万国码(unicode)
xharvard的专栏
03-15 4337
在Unicode字符中简体汉字所在的区间的是19968-40869共计20902个汉字。 步骤： 在Excel地址栏输入A1：A20902，按回车，可以看到A1：A20902单元格被选择； 在右边公式栏输入=UNICHAR(ROW(A19968))，按ctrl+回车。 //ROW(A19968) 获取A19968的行号，即19968，也是区间的开始值； 同步骤1，输入A1：A20902，按回车，即选中那些单元格，按复制(ctrl+c)，随意找一列，选择性粘贴->值。 A列为具体公式，..
python3导入tesserocr时遇到!strcmp(locale, "C"):Error:Assert failed:in file baseapi.cpp, line 209 Illegal
一颗小甜心的博客
07-11 917
在进入Python之前先输入这行代码 export LC_ALL=C
IDEA中，注释报错
路在路上的博客
04-14 5360
一：IDEA中，注释报错，解决 file-->setting-->搜索javadoc-->找到左边的Inspections-->找到右边的javadoc下面的Declaration has problems in Javadoc references的右边的severity的等级修改为Warning ...
TrainingTesseract 持续更新...
你那么爱笑，家里人知道吗？
04-16 5514
TrainingTesseract tsudoko edited this page 22 days ago · 140 revisions  Pages 22 Home3rdPartyAddOnsAPIExampleCommand Line UsageCompilingControlParamsDocumentationDownloads
VS2015+Tesseract4配置与示例
andylanzhiyong的博客
08-18 5523
接上一篇博客：Tesseract4编译， 原文链接：https://blog.youkuaiyun.com/andylanzhiyong/article/details/81746904 上次编译Tesseract4.0后，在“C:/Programe Files(x86)/tesseract/”目录下生成了目录"include","lib","bin"，这些就是我们编程需要的头文件和库。没配...
VS2015+Tesseract4编译
andylanzhiyong的博客
08-16 5163
很久以前试了下 Tesseract3.x，识别中文的话那效果惨不忍睹，辣眼睛，直接放弃。 最近听说Tesseract4.x之后加入了机器学习，神经网络学，识别率及运行效率较之前的3.x版本有质的提高，而且可以直接识别一般的验证码。想想就很激动，于是开启了Tesseract4学习之旅。 万万没想到，Tesseract4.0编译过程很曲折，踩了很多坑。过程中参考了以下两篇...
Mat转PIX
andylanzhiyong的博客
10-23 2458
在使用Tesseract4-OCR时，它的最终识别图像类型为PIX。 有的图片质量不好，需要先做预处理。然而，PIX我们大多数人都不熟悉。 是否可以先用opencv来读入图片并做预处理，在识别之前再把图像转换为PIX呢？ 经过大量百度，只找到一位外国朋友写的，Mat转PIX,亲测可用。 晒代码： PIX* cvtMat2PIX(Mat imgGray) { int cols = im...
WM_CHAR
最新发布
09-25
<think> 我们正在讨论Windows消息处理中的WM_CHAR消息。根据引用内容，WM_CHAR是字符消息的一种，通常由TranslateMessage函数在翻译虚拟键代码后产生。它携带了字符的Unicode值（在Unicode窗口中）或ANSI字符值（在ANSI窗口中）。下面我将详细介绍WM_CHAR消息。 ### WM_CHAR消息概述 WM_CHAR消息是Windows操作系统发送给应用程序窗口的消息，用于传递一个已翻译的字符输入。当用户按下一个键时，系统会生成WM_KEYDOWN消息，然后通过TranslateMessage函数（在消息循环中）将其转换为WM_CHAR消息。WM_CHAR消息包含实际输入的字符信息，而不是虚拟键码。 ### 消息参数 - `wParam`: 包含字符的Unicode值（在Unicode窗口中）或ANSI字符值（在ANSI窗口中）。 - `lParam`: 包含有关击键的重复计数、扫描码、扩展键标志、上下文代码、前一个键状态标志和转换状态标志的信息。这些信息与WM_KEYDOWN消息的lParam相同。 ### 处理WM_CHAR 在窗口过程中，我们可以捕获WM_CHAR消息并处理它。例如： ```c++ case WM_CHAR: { TCHAR ch = (TCHAR) wParam; // 获取字符 // 处理字符输入，例如添加到文本缓冲区 return 0; } ``` ### WM_CHAR与WM_IME_CHAR的区别 根据引用[1]： - 当输入法关闭时，直接输入字符（如数字键）会生成WM_CHAR消息。 - 当输入法打开时，输入字符可能会先产生WM_IME_CHAR消息（对于某些输入法），然后产生WM_CHAR消息。在中文输入法下，输入一个中文字符可能会产生多个WM_CHAR消息（例如，对于“笨”，会收到两个WM_CHAR消息，分别对应其两个字节的ANSI编码）。 注意：在Unicode程序中，通常使用WM_CHAR消息直接获取Unicode字符，而不需要处理多字节分解的问题。 ### 使用场景 WM_CHAR消息主要用于文本输入的处理，例如在编辑控件、文本框或其他需要用户输入文本的地方。相比于WM_KEYDOWN，WM_CHAR已经将按键转换成了字符，因此更方便处理文本输入。 ### 注意事项 1. **字符集**：在Unicode窗口（使用RegisterClassW注册）中，WM_CHAR的wParam是UTF-16编码的Unicode字符。在ANSI窗口（RegisterClassA）中，则是当前代码页的ANSI字符。 2. **死键处理**：对于某些键盘布局，可能存在死键（例如重音符号），这时可能会先收到WM_DEADCHAR消息，然后才是WM_CHAR消息。 3. **系统字符**：系统键（如Alt+字母）会产生WM_SYSCHAR消息，通常由系统处理，应用程序一般忽略。 ### 示例代码片段 以下是一个简单的消息循环和处理WM_CHAR的示例： ```c++ MSG msg; while (GetMessage(&msg, NULL, 0, 0)) { TranslateMessage(&msg); // 将WM_KEYDOWN转换为WM_CHAR DispatchMessage(&msg); } // 窗口过程 LRESULT CALLBACK WndProc(HWND hWnd, UINT message, WPARAM wParam, LPARAM lParam) { switch (message) { case WM_CHAR: { TCHAR ch = (TCHAR)wParam; // 例如，将字符添加到字符串 // 这里可以处理文本输入 break; } // 处理其他消息... } return DefWindowProc(hWnd, message, wParam, lParam); } ``` ### 引用说明 - 引用[1]展示了输入法开启和关闭时WM_IME_CHAR和WM_CHAR的发送情况。 - 引用[2]说明了WM_CHAR消息的产生机制（由TranslateMessage转换而来）以及窗口过程通常只处理WM_CHAR。 - 引用[3]描述了WM_KEYDOWN消息中lParam的位含义（扩展键标志等），这些信息同样适用于WM_CHAR消息的lParam。 §§相关问题§§ 1. 在Windows编程中，如何处理多字节字符输入（如中文字符）？ 2. TranslateMessage函数具体做了哪些转换？ 3. WM_CHAR和WM_KEYDOWN在游戏开发中分别有什么作用？ </think> ### WM_CHAR消息详解 `WM_CHAR`是Windows消息系统中的核心字符输入消息，用于向应用程序传递已处理的键盘字符输入。以下是详细说明： #### 📜 定义与作用 1. **消息类型**：字符消息（Character Message） 2. **触发机制**：由`TranslateMessage()`函数将`WM_KEYDOWN`虚拟键消息转换而来[^2] 3. **核心作用**：传递可显示的字符值（如字母、数字、符号），而非原始扫描码 4. **与输入法关系**：输入法开启时仍会生成，但可能伴随`WM_IME_CHAR`（见引用[1]示例） #### ⚙️ 消息参数解析 ```c wParam: // 字符值 Unicode窗口 → UTF-16编码值 ANSI窗口 → 当前代码页字符值 lParam: // 包含按键状态信息（32位） bits 0-15: 重复计数（自动重复次数） bits 16-23: 扫描码（OEM硬件相关） bit 24: 扩展键标志（1=右侧Ctrl/Alt键）[^3] bits 25-28: 保留 bit 29: 上下文标志（1=Alt按下） bit 30: 前键状态（1=按下） bit 31: 转换状态（0=按下，1=释放） ``` #### 🔧 典型处理流程 在窗口过程函数中： ```cpp case WM_CHAR: { TCHAR ch = (TCHAR)wParam; // 获取字符 UINT repeatCount = LOWORD(lParam); BOOL isExtended = (lParam & 0x01000000) ? TRUE : FALSE; // 示例：处理字符输入（如文本编辑器） if (ch >= 32 || ch == '\t' || ch == '\n') { // 过滤控制字符 AddCharacterToBuffer(ch, repeatCount); } return 0; } ``` #### ⚠️ 重要特性 1. **输入法兼容性** - 中文输入时可能收到多字节分开发送（如引用[1]中"笨"→0xB1BF拆分为0x00B1+0x00BF） - 推荐使用`WM_UNICHAR`处理UTF-32字符避免拆分问题 2. **与其它消息关系** ```mermaid graph LR A[物理按键] --> B(WM_KEYDOWN) B --> C{TranslateMessage?} C -->|Yes| D[WM_CHAR] C -->|No| E[跳过字符处理] D --> F[文本输入逻辑] ``` 3. **特殊字符处理** | 字符值 | 说明 | 处理方法 | |--------|-------------------|-------------------| | 0x08 | Backspace | 删除前字符 | | 0x0D | 回车(Enter) | 换行/确认操作 | | 0x1B | ESC键 | 取消操作 | | 0x09 | Tab键 | 焦点切换 | #### 使用建议 1. **优先处理场景** - 文本编辑器、输入框控件 - 快捷键组合检测（需结合`GetKeyState()`） 2. **规避陷阱** ```cpp // 错误：直接用于控制键检测 case WM_CHAR: if (wParam == VK_LEFT) {...} // VK_LEFT不会触发WM_CHAR! // 正确：控制键应使用WM_KEYDOWN case WM_KEYDOWN: if (wParam == VK_LEFT) MoveCursorLeft(); ``` 3. **多语言支持** 推荐启用Unicode窗口（`RegisterClassW`）以原生支持： ```cpp // Unicode程序更佳实践 case WM_CHAR: wchar_t unicodeChar = (wchar_t)wParam; // 直接获取UTF-16字符 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值