FindWuShuang的博客

前后端项目部署到服务器的完整流程。

分析翻译与扩写的数据库设计后，构造前端展示

错题集与题目回顾的实现

生成题目的数据库保存

实现了查看历史对话的消息记录和创建新对话的需求。

jwt的实现

在上一次的开发中已经完成了图片预处理，单图、多图和pdf识别，在探索更多文件格式识别后，发现Tessertact OCR的能力确实有限，在进行很多处理时需要引入很多其他的库，增加了应用的负担，并且依赖与依赖间不好管理，所以我们决定采用百度的解决方案。接下来写一个新的Service类来做调用，按照文档，图片需要转成base64编码进行传输，并且将字符串中的分别转换为为%2F，%3D，%2B，以符合百度的要求，所以要在工具类中写一个处理base64编码的函数。，注册登录后打开用户中心。

思路是，在前端用户上传多张图片时，为了保证传输效率和节省网络带宽，自动压缩为zip、rar文件，也为用户增加了一种文件类型的支持。至此，对pdf的识别可以实现，先分割每页转为图片，再经过图片预处理，之后若尺寸过大则采用分块识别，最后根据页面顺序拼接结果。接下来，新的问题是，若pdf或图片尺寸过大，难以一次整体识别，则我们要对其进行分块识别。思路很简单，上次我们实现了图片，那么对于pdf的处理，就是先转成图片，再进行图片识别。2.杂项过滤，许多pdf中包含很丑陋的水印，有可能会污染识别结果。

首先是经典的依赖注入，声明了一个不可变的Tesseract实例变量，由于Tesseract的实体类在引入的包中已经封装好了，这样的话我们就实现了控制反转(IoC)，将Tesseract的创建和管理交给Spring容器。对图片的文本提取呢，很自然的就想到OCR技术，在网上查阅资料后，对比了几款易于获取的解决方案。之后需要下载官网的训练数据，Tesseract OCR库通过训练数据来学习不同语言和字体的特征，以便更好地识别图片中的特定语言的文字。在form-data设置好参数名和参数类型，找好测试用的图片。

用户注册登录后，即可上传教材，支持图片、word、pdf等形式，设定难度和题目数量后，上传系统处理，系统调用deepseek api生成所需题目以及对应答案和解析。虽说市面上的辅导软件和学习资料五花八门，但普遍缺乏关联性且绝大多数是付费功能，免费快捷的资源却又经常没了下文，无法找到对应的答案以及解析，这对信息检索能力不高的小学生和家长群体来说，难以提高学习效率。做到对一道题、一个解析或者最后的总结，用户全程可反馈，保证用户的使用感受，确保每个用户的知识库独一无二。二、基础技术栈的选择。

2025/3/9-12:46