@mostajs/ocr

Auteur : Dr Hamid MADANI [email protected] Licence : AGPL-3.0-or-later

Reconnaissance optique de caractères (OCR) générique, façon dialectes (@mostajs/orm) : un registre de moteurs OCR — driver tesseract.js (WASM, langues fr/en/…). Lit le texte d'une image (ou de pages PDF rendues par @mostajs/image). Driver optionnel (lazy + sonde available()), fs-free (octets in → texte out).

API

import { registerBuiltins, capabilities, ocrImage, ocrImages } from "@mostajs/ocr";

registerBuiltins(["fra", "eng"]);          // enregistre tesseract (idempotent)
const caps = await capabilities();          // { ocr, engines }

const { text, confidence } = await ocrImage(pngBytes, { langs: ["fra"] });

// PDF scanné → texte : composer avec @mostajs/image
import { pdfPagesToImages } from "@mostajs/image";
const pages = await pdfPagesToImages(pdfBytes, { scale: 2 });
const full  = await ocrImages(pages, { langs: ["fra", "eng"] });

Branchez vos propres moteurs via registerOcr({ name, available, recognize }).

Dépendance (optionnelle)

| Capacité | Paquet | Sans lui | |---|---|---| | OCR | tesseract.js | capabilities().ocr = false, ocrImage lève une erreur claire |