：用 xberg_list_ocr_backend_capabilities 枚舉 OCR 后端語言能力)
后端AI 應用NLP【免費下載鏈接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.項目地址https://gitcode.com/gh_mirrors/kr/xberg點擊查看免費下載在 xberg一個以 Rust 為核心、覆蓋 106 種文檔格式的文檔智能工具集中OCR 后端是以插件注冊表的形式管理的Tesseract、PaddleOCR、VLM 等后端按 feature 門控注冊進全局注冊表。C 語言調(diào)用方無法直接獲得 Rust 側(cè)的類型化對象但可以通過 C ABI 函數(shù)xberg_list_ocr_backend_capabilities一次性拿到“每個已注冊 OCR 后端的名稱 其聲明支持的 ISO 語言列表”JSON 編碼。讀完本文你將掌握這段 C 調(diào)用的完整寫法與內(nèi)存/錯誤處理約定、返回值 JSON 的確切語義尤其是空語言列表的陷阱、Rust 核心側(cè)list_ocr_backend_capabilities的確定性保證與首次調(diào)用成本以及它在整個 OCR 后端管理 API 家族中的位置。C 側(cè)調(diào)用最小可運行示例xberg 文檔站為 C 目標語言自動生成的插件 API 片段插件 API 示例對應測試夾具 ocr_backend_capabilities_list.json演示了該函數(shù)最簡的調(diào)用方式#include assert.h #include stdint.h #include stdio.h #include stdlib.h #include string.h #include xberg.h int main(void) { char* result xberg_list_ocr_backend_capabilities(); xberg_free_string(result); return EXIT_SUCCESS; }要點說明xberg.h頭文件由 cbindgen 生成位于 crates/xberg-ffi/include/xberg.h該函數(shù)聲明在其中char *xberg_list_ocr_backend_capabilities(void); uintptr_t xberg_list_ocr_backend_capabilities_len(void);頭文件聲明處見 xberg.h#L29909-L29919。返回指針必須用配套釋放函數(shù)xberg_free_string(char *ptr)釋放聲明見 xberg.h#L3971不可用free()或xberg_free_bytes等其他釋放入口。官方片段把返回值直接交給xberg_free_string對NULL安全生產(chǎn)代碼則應先判空并用xberg_last_error_code()/xberg_last_error_context()讀取錯誤信息。返回值語義JSON 字符串、錯誤與字節(jié)長度C ABI 層在 crates/xberg-ffi/src/lib.rs#L85599-L85639 中實現(xiàn)成功把 Rust 側(cè)VecOcrBackendCapabilities用serde_json::to_string序列化為 JSON 字符串轉(zhuǎn)為CString后以into_raw()交出所有權(quán)。典型形如[ {name:paddleocr,supported_languages:[chinese,english,japanese,korean]}, {name:tesseract,supported_languages:[eng,deu,fra]} ]數(shù)組元素順序按name升序排列確定性由 Rust 核心保證見下文。失敗返回NULL并調(diào)用set_last_error記錄錯誤碼與錯誤消息——調(diào)用方應通過xberg_last_error_code()取錯誤碼、xberg_last_error_context()取錯誤上下文兩者聲明見 xberg.h#L3956-L3964。據(jù) Rust 核心文檔注釋該函數(shù)只有在注冊表讀鎖無法獲取時才會返回錯誤參見 api-c.md 參考頁 中對應條目。panic 兜底實現(xiàn)外層包了catch_unwindRust 側(cè) panic 不會穿越 FFI 邊界若未記錄過更具體的錯誤會寫入通用的 panic 錯誤標記后返回NULL。此外還有一個伴生函數(shù)xberg_list_ocr_backend_capabilities_len()xberg.h#L29919返回本線程最近一次調(diào)用所產(chǎn)出字符串的字節(jié)長度調(diào)用失敗時返回 0。頭文件注釋明確說明它的用途讓 Zig、Java FFM Panama 等語言可以按長度直接構(gòu)造切片而不必對 C 字符串做 NUL 掃描。Rust 核心實現(xiàn)list_ocr_backend_capabilities的語義與陷阱C 函數(shù)只是薄封裝真正的語義定義在核心 crate 的 crates/xberg/src/plugins/ocr.rspub fn list_ocr_backend_capabilities() - crate::ResultVecOcrBackendCapabilities { use crate::plugins::registry::get_ocr_backend_registry; let registry get_ocr_backend_registry(); let registry registry.read(); Ok(capabilities_from_snapshot(registry.registered_snapshot())) }它讀取全局 OCR 后端注冊表的快照映射為按名稱排序的能力記錄capabilities_from_snapshot中用sort_unstable_by按name排序。由此得到兩條對調(diào)用方很重要的契約確定性返回數(shù)組按name排序與注冊順序、注冊表內(nèi)部順序無關因此可以作為緩存鍵或測試斷言的穩(wěn)定輸入。supported_languages保持后端自報順序每條記錄內(nèi)的語言列表不重新排序——Tesseract 的順序來自枚舉已安裝的 tessdata 文件PaddleOCR 來自其SUPPORTED_LANGUAGES常量。重新排序會與后端自身supports_language實現(xiàn)的優(yōu)先級不一致。空語言列表 ≠ 不支持任何語言OcrBackendCapabilities結(jié)構(gòu)體ocr.rs#L611-L632上有一段值得反復強調(diào)的文檔supported_languages是OcrBackendtrait 的帶默認值方法默認返回vec![]并非每個后端都會覆寫它。例如 VLM 后端llm::vlm_ocr::VlmOcrBackend通過supports_language接受任意語言卻繼承了這里的空默認。因此不要從空列表推斷“該后端不支持任何語言”——判斷某個具體語言是否可用應改用ocr_backend_supports_languageAPI// C 側(cè)對應函數(shù)簽名見 docs-site/src/content/docs/reference/api-c.md int32_t xberg_ocr_backend_supports_language(const char* backend, const char* language);該函數(shù)委托給指定后端自己的supports_language實現(xiàn)后端名查找大小寫不敏感并解析paddleocr別名未注冊的后端名會返回錯誤錯誤消息中附帶當前已注冊的后端列表見 ocr.rs#L725-L746。首次調(diào)用成本Tesseract 的 tessdata 枚舉文檔同時聲明了性能特性該調(diào)用對每個后端“并不免費”。TesseractBackend::supported_languages()首次調(diào)用時會分配一個 Tesseract API 實例并對真實 OCR 作業(yè)所解析的同一 tessdata 目錄resolve_tessdata_path做初始化以枚舉已安裝的語言數(shù)據(jù)文件之后的調(diào)用走緩存。也就是說如果你的 C 服務進程啟動后第一次調(diào)用xberg_list_ocr_backend_capabilities其中包含了一次 Tesseract 初始化的開銷而后續(xù)調(diào)用是廉價的。在 OCR 后端管理 API 家族中的位置list_ocr_backend_capabilities是list_ocr_backends只返回后端名列表的能力枚舉對偶版本目的是讓消費方比如作業(yè)準入門控不必硬編碼第二份“后端—語言”映射表。同族的其他管理 API均在 ocr.rs 中定義并在 C 頭文件中有對應聲明API作用register_ocr_backend/xberg_register_ocr_backend注冊自定義OcrBackend實現(xiàn)要求Send Sync線程安全unregister_ocr_backend/xberg_unregister_ocr_backend按名稱注銷后端并調(diào)用其shutdown()注銷不存在的名稱是冪等的list_ocr_backends/xberg_list_ocr_backends僅列出已注冊后端名稱list_ocr_backend_capabilities/xberg_list_ocr_backend_capabilities名稱 聲明語言本文主題ocr_backend_supports_language/xberg_ocr_backend_supports_language判定單個語言是否被指定后端支持clear_ocr_backends/xberg_clear_ocr_backends清空注冊表并逐個shutdown()注冊表在首次構(gòu)造時用內(nèi)置后端Tesseract、PaddleOCR、VLM按 feature 標志門控播種clear_ocr_backends之后核心的ensure_ocr_backends_initializedocr.rs#L792-L806會在每次 OCR 分發(fā)前自修復式地重新補齊缺失的默認后端因此“清空后注冊一個自定義后端”這類玩法不會影響默認配置下的 OCR 分發(fā)。端到端驗證夾具與多語言 e2e 測試該調(diào)用不是孤立的示例而是被倉庫的 e2e 體系作為契約測試持續(xù)驗證夾具 fixtures/plugin_api/ocr_backend_capabilities_list.json 聲明了調(diào)用名list_ocr_backend_capabilities、類別ocr_backend_management與斷言not_error——即驗收標準是“調(diào)用不報錯”。各語言綁定的生成測試執(zhí)行同一契約例如 Go 端 e2e/go/ocr_backend_management_test.go 中的Test_OcrBackendCapabilitiesList以及 Rust、Python、Elixir、Zig、Ruby 端同名的ocr_backend_management測試如 e2e/rust/tests/ocr_backend_management_test.rs。同族夾具還包括ocr_backends_list.json、ocr_backends_clear.json、ocr_backend_supports_language_unknown_backend.json等共同覆蓋“查詢→注冊/注銷→清空”的完整管理閉環(huán)。小結(jié)C 調(diào)用方只需兩行char* result xberg_list_ocr_backend_capabilities();xberg_free_string(result);生產(chǎn)代碼需判空并用xberg_last_error_code/xberg_last_error_context讀錯誤可用xberg_list_ocr_backend_capabilities_len免 NUL 掃描地構(gòu)造字符串切片。返回值是 JSON 數(shù)組按后端名排序每條含name與保持后端自報順序的supported_languages?？誷upported_languages表示“該后端不枚舉語言”不是“不支持任何語言”單語言可用性判定請用xberg_ocr_backend_supports_language。首次調(diào)用的隱藏成本在 Tesseract它要為枚舉已安裝 tessdata 語言而初始化一次 Tesseract API之后走緩存。該函數(shù)與register/unregister/list/clear/supports_language一起構(gòu)成 xberg 插件 API 的 OCR 后端管理面其“調(diào)用不報錯”的契約由 fixtures/plugin_api/ 夾具與多語言 e2e 測試持續(xù)守護。贊分享后端AI 應用NLP【免費下載鏈接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.項目地址https://gitcode.com/gh_mirrors/kr/xberg點擊查看免費下載相關推薦xberg C FFI 插件 API 實戰(zhàn)xberg_list_embedding_backends 枚舉已注冊嵌入后端xberg C FFI 插件 API 實戰(zhàn)xberg_list_embedding_backends 枚舉已注冊嵌入后端 本文以 xberg 的 C FFI后端AI 應用NLPxberg C API 實戰(zhàn)用 xberg_list_reranker_backends 枚舉全部已注冊的 Reranker 后端xberg C API 實戰(zhàn)用 xberg_list_reranker_backends 枚舉全部已注冊的 Reranker 后端 本文圍繞 xberg 的后端AI 應用NLPxberg C 插件 API 實戰(zhàn)用 xberg_clear_embedding_backend 清空全局嵌入后端注冊表xberg C 插件 API 實戰(zhàn)用 xberg_clear_embedding_backend 清空全局嵌入后端注冊表 本文圍繞 xberg 的 C FFI后端AI 應用NLP上一篇akshare國際化支持多語言金融數(shù)據(jù)獲取終極指南下一篇【親測免費】 BlenderGPT 項目教程創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 xberg C 插件 API 實戰(zhàn)：用 xberg_list_ocr_backend_capabilities 枚舉 OCR 后端語言能力
后端AI 應用NLP【免費下載鏈接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.項目地址https://gitcode.com/gh_mirrors/kr/xberg點擊查看免費下載在 xberg一個以 Rust 為核心、覆蓋 106 種文檔格式的文檔智能工具集中OCR 后端是以插件注冊表的形式管理的Tesseract、PaddleOCR、VLM 等后端按 feature 門控注冊進全局注冊表。C 語言調(diào)用方無法直接獲得 Rust 側(cè)的類型化對象但可以通過 C ABI 函數(shù)xberg_list_ocr_backend_capabilities一次性拿到“每個已注冊 OCR 后端的名稱 其聲明支持的 ISO 語言列表”JSON 編碼。讀完本文你將掌握這段 C 調(diào)用的完整寫法與內(nèi)存/錯誤處理約定、返回值 JSON 的確切語義尤其是空語言列表的陷阱、Rust 核心側(cè)list_ocr_backend_capabilities的確定性保證與首次調(diào)用成本以及它在整個 OCR 后端管理 API 家族中的位置。C 側(cè)調(diào)用最小可運行示例xberg 文檔站為 C 目標語言自動生成的插件 API 片段插件 API 示例對應測試夾具 ocr_backend_capabilities_list.json演示了該函數(shù)最簡的調(diào)用方式#include assert.h #include stdint.h #include stdio.h #include stdlib.h #include string.h #include xberg.h int main(void) { char* result xberg_list_ocr_backend_capabilities(); xberg_free_string(result); return EXIT_SUCCESS; }要點說明xberg.h頭文件由 cbindgen 生成位于 crates/xberg-ffi/include/xberg.h該函數(shù)聲明在其中char *xberg_list_ocr_backend_capabilities(void); uintptr_t xberg_list_ocr_backend_capabilities_len(void);頭文件聲明處見 xberg.h#L29909-L29919。返回指針必須用配套釋放函數(shù)xberg_free_string(char *ptr)釋放聲明見 xberg.h#L3971不可用free()或xberg_free_bytes等其他釋放入口。官方片段把返回值直接交給xberg_free_string對NULL安全生產(chǎn)代碼則應先判空并用xberg_last_error_code()/xberg_last_error_context()讀取錯誤信息。返回值語義JSON 字符串、錯誤與字節(jié)長度C ABI 層在 crates/xberg-ffi/src/lib.rs#L85599-L85639 中實現(xiàn)成功把 Rust 側(cè)VecOcrBackendCapabilities用serde_json::to_string序列化為 JSON 字符串轉(zhuǎn)為CString后以into_raw()交出所有權(quán)。典型形如[ {name:paddleocr,supported_languages:[chinese,english,japanese,korean]}, {name:tesseract,supported_languages:[eng,deu,fra]} ]數(shù)組元素順序按name升序排列確定性由 Rust 核心保證見下文。失敗返回NULL并調(diào)用set_last_error記錄錯誤碼與錯誤消息——調(diào)用方應通過xberg_last_error_code()取錯誤碼、xberg_last_error_context()取錯誤上下文兩者聲明見 xberg.h#L3956-L3964。據(jù) Rust 核心文檔注釋該函數(shù)只有在注冊表讀鎖無法獲取時才會返回錯誤參見 api-c.md 參考頁 中對應條目。panic 兜底實現(xiàn)外層包了catch_unwindRust 側(cè) panic 不會穿越 FFI 邊界若未記錄過更具體的錯誤會寫入通用的 panic 錯誤標記后返回NULL。此外還有一個伴生函數(shù)xberg_list_ocr_backend_capabilities_len()xberg.h#L29919返回本線程最近一次調(diào)用所產(chǎn)出字符串的字節(jié)長度調(diào)用失敗時返回 0。頭文件注釋明確說明它的用途讓 Zig、Java FFM Panama 等語言可以按長度直接構(gòu)造切片而不必對 C 字符串做 NUL 掃描。Rust 核心實現(xiàn)list_ocr_backend_capabilities的語義與陷阱C 函數(shù)只是薄封裝真正的語義定義在核心 crate 的 crates/xberg/src/plugins/ocr.rspub fn list_ocr_backend_capabilities() - crate::ResultVecOcrBackendCapabilities { use crate::plugins::registry::get_ocr_backend_registry; let registry get_ocr_backend_registry(); let registry registry.read(); Ok(capabilities_from_snapshot(registry.registered_snapshot())) }它讀取全局 OCR 后端注冊表的快照映射為按名稱排序的能力記錄capabilities_from_snapshot中用sort_unstable_by按name排序。由此得到兩條對調(diào)用方很重要的契約確定性返回數(shù)組按name排序與注冊順序、注冊表內(nèi)部順序無關因此可以作為緩存鍵或測試斷言的穩(wěn)定輸入。supported_languages保持后端自報順序每條記錄內(nèi)的語言列表不重新排序——Tesseract 的順序來自枚舉已安裝的 tessdata 文件PaddleOCR 來自其SUPPORTED_LANGUAGES常量。重新排序會與后端自身supports_language實現(xiàn)的優(yōu)先級不一致。空語言列表 ≠ 不支持任何語言OcrBackendCapabilities結(jié)構(gòu)體ocr.rs#L611-L632上有一段值得反復強調(diào)的文檔supported_languages是OcrBackendtrait 的帶默認值方法默認返回vec![]并非每個后端都會覆寫它。例如 VLM 后端llm::vlm_ocr::VlmOcrBackend通過supports_language接受任意語言卻繼承了這里的空默認。因此不要從空列表推斷“該后端不支持任何語言”——判斷某個具體語言是否可用應改用ocr_backend_supports_languageAPI// C 側(cè)對應函數(shù)簽名見 docs-site/src/content/docs/reference/api-c.md int32_t xberg_ocr_backend_supports_language(const char* backend, const char* language);該函數(shù)委托給指定后端自己的supports_language實現(xiàn)后端名查找大小寫不敏感并解析paddleocr別名未注冊的后端名會返回錯誤錯誤消息中附帶當前已注冊的后端列表見 ocr.rs#L725-L746。首次調(diào)用成本Tesseract 的 tessdata 枚舉文檔同時聲明了性能特性該調(diào)用對每個后端“并不免費”。TesseractBackend::supported_languages()首次調(diào)用時會分配一個 Tesseract API 實例并對真實 OCR 作業(yè)所解析的同一 tessdata 目錄resolve_tessdata_path做初始化以枚舉已安裝的語言數(shù)據(jù)文件之后的調(diào)用走緩存。也就是說如果你的 C 服務進程啟動后第一次調(diào)用xberg_list_ocr_backend_capabilities其中包含了一次 Tesseract 初始化的開銷而后續(xù)調(diào)用是廉價的。在 OCR 后端管理 API 家族中的位置list_ocr_backend_capabilities是list_ocr_backends只返回后端名列表的能力枚舉對偶版本目的是讓消費方比如作業(yè)準入門控不必硬編碼第二份“后端—語言”映射表。同族的其他管理 API均在 ocr.rs 中定義并在 C 頭文件中有對應聲明API作用register_ocr_backend/xberg_register_ocr_backend注冊自定義OcrBackend實現(xiàn)要求Send Sync線程安全unregister_ocr_backend/xberg_unregister_ocr_backend按名稱注銷后端并調(diào)用其shutdown()注銷不存在的名稱是冪等的list_ocr_backends/xberg_list_ocr_backends僅列出已注冊后端名稱list_ocr_backend_capabilities/xberg_list_ocr_backend_capabilities名稱 聲明語言本文主題ocr_backend_supports_language/xberg_ocr_backend_supports_language判定單個語言是否被指定后端支持clear_ocr_backends/xberg_clear_ocr_backends清空注冊表并逐個shutdown()注冊表在首次構(gòu)造時用內(nèi)置后端Tesseract、PaddleOCR、VLM按 feature 標志門控播種clear_ocr_backends之后核心的ensure_ocr_backends_initializedocr.rs#L792-L806會在每次 OCR 分發(fā)前自修復式地重新補齊缺失的默認后端因此“清空后注冊一個自定義后端”這類玩法不會影響默認配置下的 OCR 分發(fā)。端到端驗證夾具與多語言 e2e 測試該調(diào)用不是孤立的示例而是被倉庫的 e2e 體系作為契約測試持續(xù)驗證夾具 fixtures/plugin_api/ocr_backend_capabilities_list.json 聲明了調(diào)用名list_ocr_backend_capabilities、類別ocr_backend_management與斷言not_error——即驗收標準是“調(diào)用不報錯”。各語言綁定的生成測試執(zhí)行同一契約例如 Go 端 e2e/go/ocr_backend_management_test.go 中的Test_OcrBackendCapabilitiesList以及 Rust、Python、Elixir、Zig、Ruby 端同名的ocr_backend_management測試如 e2e/rust/tests/ocr_backend_management_test.rs。同族夾具還包括ocr_backends_list.json、ocr_backends_clear.json、ocr_backend_supports_language_unknown_backend.json等共同覆蓋“查詢→注冊/注銷→清空”的完整管理閉環(huán)。小結(jié)C 調(diào)用方只需兩行char* result xberg_list_ocr_backend_capabilities();xberg_free_string(result);生產(chǎn)代碼需判空并用xberg_last_error_code/xberg_last_error_context讀錯誤可用xberg_list_ocr_backend_capabilities_len免 NUL 掃描地構(gòu)造字符串切片。返回值是 JSON 數(shù)組按后端名排序每條含name與保持后端自報順序的supported_languages?？誷upported_languages表示“該后端不枚舉語言”不是“不支持任何語言”單語言可用性判定請用xberg_ocr_backend_supports_language。首次調(diào)用的隱藏成本在 Tesseract它要為枚舉已安裝 tessdata 語言而初始化一次 Tesseract API之后走緩存。該函數(shù)與register/unregister/list/clear/supports_language一起構(gòu)成 xberg 插件 API 的 OCR 后端管理面其“調(diào)用不報錯”的契約由 fixtures/plugin_api/ 夾具與多語言 e2e 測試持續(xù)守護。贊分享后端AI 應用NLP【免費下載鏈接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.項目地址https://gitcode.com/gh_mirrors/kr/xberg點擊查看免費下載相關推薦xberg C FFI 插件 API 實戰(zhàn)xberg_list_embedding_backends 枚舉已注冊嵌入后端xberg C FFI 插件 API 實戰(zhàn)xberg_list_embedding_backends 枚舉已注冊嵌入后端 本文以 xberg 的 C FFI后端AI 應用NLPxberg C API 實戰(zhàn)用 xberg_list_reranker_backends 枚舉全部已注冊的 Reranker 后端xberg C API 實戰(zhàn)用 xberg_list_reranker_backends 枚舉全部已注冊的 Reranker 后端 本文圍繞 xberg 的后端AI 應用NLPxberg C 插件 API 實戰(zhàn)用 xberg_clear_embedding_backend 清空全局嵌入后端注冊表xberg C 插件 API 實戰(zhàn)用 xberg_clear_embedding_backend 清空全局嵌入后端注冊表 本文圍繞 xberg 的 C FFI后端AI 應用NLP上一篇akshare國際化支持多語言金融數(shù)據(jù)獲取終極指南下一篇【親測免費】 BlenderGPT 項目教程創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考