C# 如何在日文视窗操作系统中编码日文文本？

我使用Tesseract阅读日本文本。我正在从OCR获取以下文本

æ-ääèæ書

C++代码

 extern "C" _declspec(dllexport) char* _cdecl Test(char* imagePath)
    {
        char *outText;

        tesseract::TessBaseAPI *api = new tesseract::TessBaseAPI();
        // Initialize tesseract-ocr with English, without specifying tessdata path
        if (api->Init("D:\\tessdata", "jpn", tesseract::OcrEngineMode::OEM_TESSERACT_ONLY))
        {
            fprintf(stderr, "Could not initialize tesseract.\n");           
        }

        api->SetPageSegMode(tesseract::PageSegMode::PSM_AUTO);      
        outText = api->GetUTF8Text();

        return outText;
    }

c#

输入文件：

以上代码在Windows英语中运行良好。但它在日本不起作用。它在window的日本操作系统中给出了错误的输出

---

有谁能指导我如何在Japanes窗口中正确使用它吗？

您正在向非UTF-8的窗口发送UTF-8文本。 您需要在显示之前进行转换

这是可能导致问题的代码（因为它试图使用您无法控制的默认系统编码）； byte[]bytes=System.Text.Encoding.Default.GetBytes（结果）

你试过在那里使用Encoding.UTF8吗

如果这一点不起作用，试着改变

---

Encoding.UTF8改为Encoding。以下行中的默认值也是。

outText似乎已经是UTF-8格式

outText = api->GetUTF8Text();

现在。。。从C++返回字节[]/COD>（或类似）是一种痛苦…改为：

[DllImport(DllName, CallingConvention = CallingConvention.Cdecl)]
public static extern IntPtr Test(string imagePath);

然后将

StringFromNativeUtf8

from（因为即使将

IntPtr

转换为UTF-8 c字符串也是一件痛苦的事情……NET在本机上也没有类似的功能）：

然后您必须释放

IntPtr

。。。另一种痛苦

[DllImport(DllName, CallingConvention = CallingConvention.Cdecl)]
public static extern void Free(IntPtr ptr);

及

---

必须首先从imagePath创建图像对象

在我的例子中，这是通过使用著名的opencv来完成的。 然后，使用SetImage函数

void detectJpn(cv::Mat& img)
{
    char *outText;

    // Create Tesseract object
    tesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();

    ocr->Init(NULL, "jpn", tesseract::OEM_TESSERACT_ONLY);

    // Set Page segmentation mode to PSM_AUTO (3)
    ocr->SetPageSegMode(tesseract::PSM_AUTO);

    ocr->SetImage((uchar*)img.data, img.size().width, img.size().height, img.channels(), img.step1());

    // Run Tesseract OCR on image
    outText = ocr->GetUTF8Text();

    // print recognized text
    std::cout << outText << std::endl; // Destroy used object and release memory ocr->End();

    //ocr->Clear();
    //ocr->End();

    delete ocr;
    ocr = nullptr;
}


int main(int argc, char *argv[])
{
    cv::Mat img = imread(argv[1], cv::IMREAD_UNCHANGED);

    detectJpn(img);     

    return 0;
}

void detectJpn（cv:：Mat和img）
{
字符*输出文本；
//创建Tesseract对象
tesseract:：TessBaseAPI*ocr=新的tesseract:：TessBaseAPI（）；
ocr->Init（空，“jpn”，tesseract:：OEM\u tesseract\u仅限）；
//将页面分割模式设置为PSM_AUTO（3）
ocr->SetPageSegMode（tesseract:：PSM_AUTO）；
ocr->SetImage（（uchar*）img.data，img.size（）.width，img.size（）.height，img.channels（），img.step1（））；
//在图像上运行Tesseract OCR
outText=ocr->GetUTF8Text（）；
//打印识别文本
std:：cout Clear（）；
//ocr->End（）；
删除ocr；
ocr=空PTR；
}
int main（int argc，char*argv[]）
{
cv:：Mat img=imread（argv[1]，cv:：imread_不变）；
检测jpn（img）；
返回0；
}

---

我想您应该给它UTF-16而不是UTF-8，因为winapi主要处理这个问题。。。我猜？文本中是否有BOM表来说明它是什么类型的？如果没有，请尝试UTF-8或Shift JIS。我已经尝试了UTF-8和Shift JIS。但这对你的建议没有帮助？byte[]bytes=System.Text.Encoding.UTF8.GetBytes（result）；Show（System.Text.Encoding.UTF8.GetString（字节））；

[DllImport(DllName, CallingConvention = CallingConvention.Cdecl)]
public static extern void Free(IntPtr ptr);

extern "C" _declspec(dllexport) void _cdecl Free(char* ptr)
{
    delete[] ptr;
}

void detectJpn(cv::Mat& img)
{
    char *outText;

    // Create Tesseract object
    tesseract::TessBaseAPI *ocr = new tesseract::TessBaseAPI();

    ocr->Init(NULL, "jpn", tesseract::OEM_TESSERACT_ONLY);

    // Set Page segmentation mode to PSM_AUTO (3)
    ocr->SetPageSegMode(tesseract::PSM_AUTO);

    ocr->SetImage((uchar*)img.data, img.size().width, img.size().height, img.channels(), img.step1());

    // Run Tesseract OCR on image
    outText = ocr->GetUTF8Text();

    // print recognized text
    std::cout << outText << std::endl; // Destroy used object and release memory ocr->End();

    //ocr->Clear();
    //ocr->End();

    delete ocr;
    ocr = nullptr;
}


int main(int argc, char *argv[])
{
    cv::Mat img = imread(argv[1], cv::IMREAD_UNCHANGED);

    detectJpn(img);     

    return 0;
}