unicharset is created automatically (by official training procedure https://github.com/tesseract-ocr/tesstrain)
Zdenko št 14. 9. 2023 o 13:56 Ali hussain <mdalihussain...@gmail.com> napísal(a): > I have faced in my own trianed_text this normalization error. I think the > main problem is * ্য *in these words. and i did't find* ্য* in > ben.unicharset file. I think this is the reason for the show error. > if I create a unicharset for * ্য *and add in ben.unicharset file it > will work? > I don't know how to create a unicharset for this * ্য * like look at > these words you can understand better. thx > > ব্যাটারির > র্যাবের > র্যাঙ্কিংয়েও > হ্যাকাররা > > *This is the main error.: * > Extracting unicharset from plain text file data/ben/all-gt > Invalid start of grapheme sequence:D=0x981 > Normalization failed for string 'পারে মটোরোলার গবেষকেদের তৈরি বিশেষ এ উলকি > ত্বকের ওপর আঁঁকা এক ধরনের সার্কিটের মতো এতে কোনো ব্যাটারির প্রয়োজন পড়ে না' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence:H=0x9cd > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence:H=0x9cd > Normalization failed for string 'হবে এসব স্থানে মোটরসাইকেল নিয়ে ও হেঁটে > র্যাবের দল টহল দেবে র্যাবের পোশাকধারী সদস্যের পাশাপাশি সাদা পোশাকে > গোয়েন্দা' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence:H=0x9cd > Normalization failed for string 'র্যাবের এক বিজ্ঞপ্তিতে এ তথ্য জানানো হয় > রমজান মাসে আর্থিক লেনদেন বেড়ে যাওয়ায় ছিনতাই চাঁদাবাজির মতো সন্ত্রাসী > কর্মকাণ্ড রোধে' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence:H=0x9cd > Normalization failed for string 'কার্যক্রম জোরদার করা হবে এ ব্যাপারে > র্যাবের গণমাধ্যম শাখার পরিচালক উইং কমান্ডার এ টি এম হাবিবুর রহমান প্রথম > আলো' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence:H=0x9cd > Normalization failed for string 'বড় ব্যবধানে হারানোর পর এখন বিশ্বকাপ > জয়ের স্বপ্নে বিভোর ব্রাজিলের সমর্থকেরা ফুটবলে ব্রাজিলিয়ান উত্থানের > প্রতিধ্বনি শোনা যাচ্ছে ফিফার র্যাঙ্কিংয়েও' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Normalization failed for string 'নয় নম্বরে গত বছরের জুলাই থেকে শুরু > হয়েছিল ফিফা র্যাঙ্কিংয়ে ব্রাজিলের অবনমন স্বাগতিক হওয়ার সুবাদে বিশ্বকাপ > বাছাই পর্ব খেলতে' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Normalization failed for string 'এসব পদক্ষেপ নিয়েছে র্যাব নিরাপত্তা > পরিকল্পনার অংশ হিসেবে অন্য আইনশৃঙ্খলা বাহিনীর পাশাপাশি র্যাবও নিজস্ব > দায়িত্বপূর্ণ এলাকায় তিন ধাপে' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Normalization failed for string 'ঠেকাতে র্যাবের পদক্ষেপের কথা উল্লেখ করেন > উইং কমান্ডার হাবিবুর রহমান এ ব্যাপারে তিনি বলেন বাস রেল লঞ্চ কাউন্টার ও' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Normalization failed for string 'নিয়ন্ত্রণে রাখতে অন্যবারের মতো এবারের > রমজান মাসেও দেশজুড়ে বাড়তি নিরাপত্তা ব্যবস্থা নিয়েছে র্যাপিড একশন > ব্যাটালিয়ন র্যাব আজ বৃহস্পতিবার' > Invalid start of grapheme sequence: M=0x9be > Invalid start of grapheme sequence: M=0x9be > Invalid start of grapheme sequence: M=0x9be > Normalization failed for string 'ফিশিং এটাক বলে এ ছাড়া ডিকশনারি এটাক বা > সহজে অনুমান করা যায় এমন শব্দনির্ভর পাসওয়াার্ডগুলো দিয়েও আক্রমণ করে > হ্যাকাররা গবেষকেরা' > Dropping isolated joiner: 0x200c > Invalid start of grapheme sequence: H=0x9cd > Normalization failed for string 'ফাইনালে ব্রাজিলের কাছে হেরে কনফেডারেশনস > কাপের শিরোপাটা অধরা থেকে গেলেও ফিফা র্যাঙ্কিংয়ের শীর্ষস্থানটা হারাতে > হয়নি স্পেনকে ১৫৩২ পয়েন্ট নিয়ে' > > -- > You received this message because you are subscribed to the Google Groups > "tesseract-ocr" group. > To unsubscribe from this group and stop receiving emails from it, send an > email to tesseract-ocr+unsubscr...@googlegroups.com. > To view this discussion on the web visit > https://groups.google.com/d/msgid/tesseract-ocr/0fa2828c-0791-4f2f-9c69-a772cc688bean%40googlegroups.com > <https://groups.google.com/d/msgid/tesseract-ocr/0fa2828c-0791-4f2f-9c69-a772cc688bean%40googlegroups.com?utm_medium=email&utm_source=footer> > . > -- You received this message because you are subscribed to the Google Groups "tesseract-ocr" group. To unsubscribe from this group and stop receiving emails from it, send an email to tesseract-ocr+unsubscr...@googlegroups.com. To view this discussion on the web visit https://groups.google.com/d/msgid/tesseract-ocr/CAJbzG8xTXPZ9LcuYUuHs8_4YV7jOFGX8RWOFL-dg7MVfp7A-dA%40mail.gmail.com.
