我发现，当我将一个包含大量文本的pdf文件转换成EPUB格式(例如书籍)时，它们会在同一句话之间被分割成段落，我使用过-量程，Toepub.com和许多在大坏网站上可以找到的网站;-)。
浏览 0提问于2019-11-14得票数 0
我需要将扫描文档转换为mac上可搜索的文本PDF。它不需要免费，只需要比Acrobat更低的成本。
浏览 0提问于2015-03-02得票数 2
回答已采纳
我试图在PDF文件中找到一些文本，但结果并不准确！举个例子，我有两个PDF文件，其中有一个词domiciiado。当我搜索这个单词(domiciliado)时，doc取器只显示一个PDF文件和这个单词。我的问题是为什么doc取器没有用这个单词显示另一个PDF文件？PDF文件之间有什么区别吗？在一个PDF中，我只有文本，而其他PDF是文本和图像，这是从扫描页面。陷阱是什么？
P.S.：这两个PDF文件
浏览 0提问于2016-08-16得票数 0
回答已采纳
如果我遇到一个含有未知文本的图片文件，我可以为它拍另一张照片，然后用我的手机使用进行翻译，但我如何在我的电脑上翻译它呢？我试着输入谷歌翻译的图片链接，但显示无法打开文件。
浏览 18提问于2014-08-06得票数 0
回答已采纳
我曾在终端字体上训练过tesseract，但无论如何，我都无法让它识别出0。我正在使用jTessEditor创建培训tif和框。即使在验证时，它也会将所有的0读为8s。我遗漏了什么吗？下面是0的一个示例，它将其读取为8：我使用以下参数：
--psm 10 -c tessedit_char_whitelist=0123456789# --oem 3 -l terminus
浏览 8提问于2018-10-31得票数 22
2回答
我可以使用evince文档查看器使用文本查看pdf图像，但是我不能选择图像中的文本来复制和粘贴。如何在pdf文件中从图像中复制文本？
浏览 0提问于2014-09-19得票数 0
10回答
我看到一些电子书/论文显然是从他们的纸质版本中扫描出来的，但电子图书/论文中的文本却能惊人地被复制出来。我想直接扫描的版本一定是由一些光学字符识别软件处理的。所以我想知道什么是推荐的光学字符识别软件？尤其是那些要么是Ubuntu的，要么是免费的？如果那些在Windows上要好得多，请告诉我。我特别感兴趣的那些OCR，可以接受一个扫描的pdf文件作为输入，但仍然产生作为输出的另一个pdf文件看起来与输入一个，但其文本可复制。请每个答案限
浏览 0提问于2010-10-22得票数 15
回答已采纳
11回答
是否有任何免费的OCR软件(用于Linux和/或Windows)可以像Acrobat那样将PDF扫描文档作为输入并输出可搜索的PDF？使用可搜索的PDF格式，我的意思是OCRed文本在原始文本上是不可见的，可以用鼠标选择并复制。我知道Linux上的gscan2pdf可以这样做，但是文本被放置在页面的左上角，而且太小了，与背景扫描页面上的文本完全不同步。这是因为gscan2pdf将整个页面提
浏览 0提问于2014-04-20得票数 72
回答已采纳
我正在寻找布局分析库或工具(最好是开源的)，可以应用于文本PDF，以识别主要文本内容与侧栏，章节标题，章节标题(甚至可能是具有装饰/阴影和下划线的花哨的标题)等。我遇到了像OCRopus这样的工具，它们使用光学字符识别和图像识别来识别布局。有没有库可以在没有OCR的情况下做同样的事情？可以从文本PDF中提取文本和图像，并将包含文本和图像位置的输入提供给该
浏览 2提问于2013-05-08得票数 2
回答已采纳
2回答
我要找一个OCR软件，渲染覆盖HTML到一个图像。我目前正在使用一些未命名的产品。它有一个OCR功能，可以对带有图像的PDF文档进行内联OCR。内联OCR非常方便，它允许搜索带有图像的PDF文档中的文本。也可以直接在文档中突出显示文本，OCR文本与底层图像对齐。不幸的是，我无法从未命名的产品中导出或存储内联OCR。有没有其他软件可以执行和导出在线OCR</
浏览 3提问于2013-05-13得票数 5
4回答
是否有人尝试过使用OCR库和Java从PDF中提取文本？你认为什么是最可靠的文本提取库？我见过的大多数方法(tesseract、GOCR)都是C库，需要编写一些JNI代码。我熟悉pdfbox，它现在是Apache 0.8.x版的孵化器项目，但是它的文本提取并不总是准确的。我正在寻找一种更可靠的替代方法。
浏览 2提问于2009-04-22得票数 6
3回答
如何将PDF的内容以字符串的形式快速读取。我想稍后过滤这个字符串并从中获取特定的文本元素。PDF来自一个url，我将它加载到一个web视图中并使用NSURL扩展来缓存它。var urlAsString = String(contentsOfURL: NSURL(string: "http://web.shschools.org/shpid/pdfs/WXS5N48Z.pdf, encoding: NSUTF8StringEncoding, err
浏览 14提问于2015-08-02得票数 0
回答已采纳
1回答
我想扫描文件与tesseract框架中的迅速和生成pdf文件，可以搜索。
实际上，我使用此代码将图像转换为文本，但我希望生成主格式的图片，但格式将随着转换为文本而改变，并生成pdf文件。
浏览 2提问于2020-10-13得票数 0
回答已采纳
1回答
我有一个pdf文件，是在肖像方向，但在一些页面，文本是在景观方向。当使用PyPDF2读取上面的页面时，我从extractText()函数获得以下文本：Out24："U ~ 00 w.T.-O.O.O.mó00 woNN p 00 a+ -fl n~n a O ;~ 0 ~^ o a. ~…
下面是我试图提取文本的页面示例：
浏览 1提问于2018-04-03得票数 0
回答已采纳
我见过一些pdf文件后，OCR有非常准确的文本(无论是在识别率，在文本对齐图像)。
如果pdf文件中隐藏的文本层是否来自OCR，那么Unix/Linux工具会帮助我知道什么呢？
浏览 0提问于2014-12-07得票数 2
有没有什么程序可以让我在PDF渲染的基础上叠加PDF的文本(OCR)层？如果这可以用程序来完成，那会更方便，如果不能，一些cli命令或脚本也可以工作。
浏览 2提问于2017-11-18得票数 1
1回答
我想从OCR数据中提取表格信息，我有原始文本和它的文本。我试过pytesseract，但找不到实际的实现。我试过这个：
这种方法对我一点用也没有。我希望从OCR数据中获得此表的表格结构，以供进一步处理。
浏览 3提问于2019-01-20得票数 0
3回答
我有pdf页面，我想打印/保存从C#的windows窗体应用程序，但是我想修改文件之前，在添加一个用户编写的最终评论页面(只有文本)。
谁能给我指出一个简单的pdf库，它用简单的代码做这件事。
浏览 2提问于2010-11-08得票数 1
回答已采纳
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
