OCR Client-side (Tesseract.js)

Sito statico che esegue OCR (estrazione testo) interamente nel browser usando Tesseract.js (WASM). Supporta:

• Upload immagini (file chooser + drag & drop)
• Acquisizione da camera (getUserMedia) e cattura frame
• Selezione lingua (eng, ita, spa, fra)
• Progress bar e log
• Visualizzazione bounding boxes delle parole
• Copia e download del testo estratto

Installazione

1. Installa le dipendenze:

npm install

2. Scarica i dati linguistici per Tesseract.js:

mkdir -p tessdata
cd tessdata
wget https://github.com/naptha/tessdata/raw/gh-pages/4.0.0/eng.traineddata.gz
wget https://github.com/naptha/tessdata/raw/gh-pages/4.0.0/ita.traineddata.gz
wget https://github.com/naptha/tessdata/raw/gh-pages/4.0.0/spa.traineddata.gz
wget https://github.com/naptha/tessdata/raw/gh-pages/4.0.0/fra.traineddata.gz
gunzip *.gz
gzip -k *.traineddata
cd ..

3. Avvia un server locale (es. con Python):

python3 -m http.server 8080

4. Apri il browser su http://localhost:8080

Come usare

1. Apri index.html in un browser moderno (Chrome/Firefox).
2. Scegli un'immagine o trascinala nella dropzone. In alternativa apri la camera e cattura.
3. Seleziona la lingua corretta.
4. Clicca "Avvia OCR".
5. Dopo il riconoscimento puoi copiare o scaricare il testo, o salvare l'immagine.

Deploy su GitHub Pages

1. Crea un nuovo repo su GitHub e push dei file (index.html, styles.css, main.js, README.md, package.json, package-lock.json).
2. Assicurati di eseguire l'installazione delle dipendenze e il download dei dati linguistici prima del deploy.
3. Vai su "Settings" -> "Pages" e scegli la branch main (o gh-pages) e la cartella / (root).
4. Salva: la pagina sarà disponibile su https://<tuo-user>.github.io/<repo> o sul tuo dominio se configurato.

Note tecniche

• Questa versione usa Tesseract.js v6 con dipendenze locali per evitare problemi con CDN bloccati.
• I file worker e core sono caricati da node_modules/ locale.
• I dati linguistici devono essere scaricati nella cartella tessdata/ (vedi istruzioni di installazione sopra).
• Per performance migliori su immagini grandi, ridimensiona l'immagine client-side prima di passare a OCR.

Licenza

Questo progetto è rilasciato come esempio educativo. Usa la libreria Tesseract.js sotto la sua licenza (MIT).