如何识别需要OCR的PDF文件？
在云计算领域，OCR是指将印刷文档中的文字自动识别并转换成可编辑的文本格式。对于需要OCR的PDF文件，可以通过以下步骤进行识别：
- 选择合适的OCR工具：市面上有很多OCR工具，如Adobe Acrobat、ABBYY FineReader、iText等，可以选择一款适合自己的工具。
- 将PDF文件上传至OCR工具：将需要识别的PDF文件上传至选择的OCR工具中。
- 进行OCR识别：在OCR工具中设置好识别参数，如识别类型、语言、精度等，然后进行OCR识别。
- 提取识别结果：OCR识别完成后，可以将识别结果提取出来，并进行后续处理，如保存、打印、导入等。
需要注意的是，OCR技术并不是万能的，对于图像模糊、文字方向不一致、字体不统一等情况，OCR识别的准确率会有所下降。此外，OCR技术的使用也需要遵守相关法律法规，不能用于非法用途。
对于PDF文件，还可以使用其他技术进行识别，如图像识别、人工识别等，具体选择哪种方式需要根据文件的特点和需求来决定。
相关·内容
3回答
我正在为我的项目用例探索ABBYY。我们有发票、支票和其他几种需要分类和提取的文档类型。我正在浏览ABBYY FineReader和FlexiCapture功能，但没有遇到ABBYY FineReader的分类功能。
ABBYY FineReader是否具备分类能力？如果有，ABBYY FineReader试用版是否提供此功能？如何使用FineReader进行分类？
非常感谢你的帮助。谢谢!
浏览 4提问于2020-04-20得票数 0
我有一个项目，需要扫描某些图像与光学字符识别。我知道abbyy finereader软件做得很好(也尝试了一个对我来说几乎完美的试用版本)，现在我想知道如何将这个软件嵌入到python或其他脚本语言中，这样我以后就可以简单地运行命令行脚本，例如python the_script.py image.jpg以获取图像作为参数，使用它执行abbyy finereader并返回识别的文本。
我在谷歌上找不到方法，是不是没有！？我只找到了这样的东西：，但不知道它到底是做什么的……
或者我需要哪一个abbyy软件才能做到这一点！？识别服务器或者OCR引擎或者其他什么东西？
提前谢谢你
浏览 3提问于2014-02-19得票数 7
回答已采纳
1回答
我有PDF文件已经被“识别”使用OCR文本识别->识别文本使用功能在Acrobat。
我想把这些作为一个上传(C# ASP.NET MVC)，并能够提取这些信息用于索引和搜索目的。
我尝试打开PDF文件，但没有找到任何被识别的文本，所以我猜它是压缩和/或编码的。
有什么想法吗？
浏览 0提问于2010-06-25得票数 0
回答已采纳
2回答
如何OCR电子邮件地址
、、、、
我正在尝试OCR和提取图像中的电子邮件。图像应该有一行文本，即电子邮件地址。
我使用EmguCV.OCR从这些图像中提取文本(电子邮件地址)。我们的目标是获得100%准确的结果。
我们可以固定文本的字体和大小。例如Ariel，12pt，这样所有的图像都会有用Ariel 12pt写的电子邮件，在白色背景上是黑色的。
问题是EmguCV中的Tesseract OCR不能正确识别文本。它只能正确识别80%的字符。
我正在使用Leptonica库进行预处理。
以下是我正在尝试识别的一些示例图像。
有没有办法达到100%准确率的目标？
浏览 0提问于2014-10-30得票数 1
1回答
我知道ICR基本上用于手写(手工打印)数据识别，但我们是否可以利用ICR来提取失真(质量差)的机器打印文本呢？
如果不是，解决以下问题的最佳方法是什么？
我有一个非结构化文档，它可能运行到两个或更多个页面，文档中只有很少的日期字段是handwritten.now，我想将它转换为文本文件。我尝试了一些完整的ocr(omnipage和abbyy等)工具，其中有ICR模块可以转换为文本文件。他们擅长全页OCR，但当它遇到手写日期时，它会放置垃圾字符，而不是使用ICR模块。我不想使用表单处理工具，比如parascript和A2ia，它们都是基于位置的，它们只适用于结构化文档。
或者我们可以使用ICR来
浏览 3提问于2013-04-18得票数 2
我需要将扫描文档转换为mac上可搜索的文本PDF。
Acrobat可以通过其文本识别功能完美地完成这一任务，但考虑到我只需要这一个功能，Acrobat是相当昂贵的。有没有其他OCR工具可以做到这一点？OCR结果的质量很重要。
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
我尝试提取存储在PDF文件图像中的Java代码。
我已经尝试使用Tesseract，但它看起来像* {...与英语不太匹配，因为我的输出文件非常不一致。
实际上，我可以识别Java代码的一些摘录，但大多数情况下，文本是损坏的。
所以我想知道你们中是否有人知道例如Tesseract的语言扩展，或者其他可以提取我的Java代码的OCR软件。
感谢您的帮助:-)
浏览 1提问于2014-12-12得票数 0
2回答
我可以访问我的图书馆的扫描仪，它可以创建“可搜索的PDF”。这些PDF显示扫描文档的确切图像，但是当您尝试选择包含文本的图像的一部分时，PDF中有一种隐藏的文本可以被选择。通过这种方式，您可以在扫描文档中复制和粘贴文本或搜索文本。这很有用。这是一个可怕的改进比原始扫描图像。我的mac上也有几个应用程序，可以从扫描文档或原始图像创建这种可搜索的PDF。
现在，任何使用过OCR的人都很明显，将图像转换为文本的过程并不是100%准确的，所以在某些地方搜索或复制的文本是不正确的。
因此，我搜索了相当一段时间来找到一个应用程序，它可以加载可搜索的PDF，并允许我修复隐藏的可搜索文本，而无需重新格式化或修
浏览 6提问于2015-10-02得票数 1
//编辑26.03.2018 -谁想继续我的工作可以查看我的源文件
我实际上是在寻找一些有关PDF文件的细节。对我来说最重要的是，这些文件在很长一段时间内都是可用的，如果可能的话，OCR应该自动应用于新的文件(对于Acrobat.)，这似乎是不可能的。
为此，我一直在寻找不同的解决方案，如何OCR我的PDF文件。我发现三个候选人似乎在做他们该做的事.(或多或少)。但这三种变体都有各自的优缺点.但是，在PDF文件中存储数据的方法似乎不同.三种变体..。让我解释一下：
带有Acrobat的文件OCRed：
结果是Acrobat能够在一步内打开的文件(没有预装任何背景层)，在预运行脚本之后，我
浏览 1提问于2018-03-12得票数 4
回答已采纳
在Automation Anywhere中IQ机器人是什么？我真的很困惑，因为Automation Anywhere的前一个版本已经有了OCR和图像识别的能力，它的区别是什么？
浏览 0提问于2019-10-17得票数 0
8回答
PDF表格提取
、、
我将(相同的)数据保存为GIF图像文件和PDF文件，并希望将其解析为HTML或XML。这些数据实际上是我校食堂的菜单。这意味着有一个新版本的文件，必须分析每周！通常，文件包含一些页眉和页脚文本，以及一个包含其他数据的表。我阅读了一些关于堆栈溢出的文章，并开始尝试将表数据解析为HTML/XML：
PDF格式
PDFBox = iText (Java)
谷歌文档导入
PDF2HTML _~_
GIF
Tesseract-OCR
我在用PDFBox解析PDF文件时得到了最好的结果，但是(因为菜单每周都有变化)，它还不够可靠。我收到的HTML包含了更多的，有时更少的“段
浏览 10提问于2012-04-24得票数 12
3回答
如何从历史PDF中提取表？
、、、、
我需要从这个中从类似格式的表中提取数据。有一些OCR错误，但我有一个自动的方法来纠正它们。
我试过：
ABBYY Finereader表检测。
表格提取
甘美洛表提取
自定义python
问题：广告工具很难检测到桌子的边缘。表格遵循类似的一般格式，但每次扫描的对齐方式略有不同，因此硬编码的寄宿者也无法工作。
问题：，你们知道一个很好的方法来检测表从哪里开始，然后应用几个模板之一吗？
对于这类工作的任何其他提示都将受到极大的赞赏。
浏览 0提问于2019-02-23得票数 1
回答已采纳
我试图在macOS预览版(El )中对PDF文件进行平版注释，以确保它们不能被修改。我特别希望确保编辑不能被删除或隐藏以显示下面的文本。理想情况下，我也希望保留文本的机器可读性和矢量质量。
目前，我通过导出到.tif，然后转换回.pdf，然后使用Abbyy FineReader Express进行OCR‘’ing来实现这一点。这有点荒谬，但最终的结果几乎正是我想要的:永久注释和可搜索/可复制的文本。但它失去了一些品质..。而且越来越大。
我对CLI很满意，我已经安装了MacPorts和pdftk。我希望pdftk "flatten“选项能做到这一点，但事实并非如此。它似乎只会使字段变平
浏览 3提问于2016-02-10得票数 0
2回答
我使用iText 5.5.8forJava。遵循默认的、直接的文本提取过程，即
PdfTextExtractor.getTextFromPage(reader, pageNumber)
我惊讶地发现输出中出现了几个错误，特别是所有字母_d_s都是_o_s。
那么，iText中的文本提取究竟是如何工作的呢？是某种OCR吗？
我在引擎盖下看了一眼，试图了解TextExtractionStrategy是如何工作的，但我想不出多少。例如，SimpleTextExtractionStrategy似乎只是确定行和空格的存在，而TextRenderInfo则通过调用GraphicsState的font字段上
浏览 3提问于2016-01-03得票数 4
回答已采纳
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。
谢谢和问候！
请每个答案限制一个软件。
浏览 0提问于2010-10-22得票数 15
回答已采纳
1回答
使用Acrobat，如果您选择添加或编辑字段.从没有字段的文件的“窗体”菜单中，可以看到带有消息的弹出。
当前，此PDF中没有表单字段。是否希望Acrobat为您检测表单字段？
有没有办法用iText来完成这种现场检测？
浏览 1提问于2014-08-14得票数 0
回答已采纳
有没有可能用iText7获得PDF字段的Tab键顺序？
您可以在Acrobat中定义Tab键顺序，但在iText7库中似乎无法获得该Tab键顺序。
我正在编写一个从PDF文件中提取字段的应用程序，并希望根据PDF中定义的Tab键顺序对这些字段进行排序。
浏览 1提问于2019-07-02得票数 0
1回答
这个站点上有一些ocr问题，但它们要么只针对Linux，要么只针对PDF。
因此，我正在寻找一个工具，可以将带有文本的图像转换为可编辑文本(.doc / .txt)。
它需要：
免费或相对便宜(< 20 20)
尽可能准确
忽略图像
在Windows 7 64位上运行
绝对支持.jpeg和.gif文件
浏览 0提问于2014-07-30得票数 3
回答已采纳
给定一个PDF文件。我可以找出哪些软件/库(例如PDFBox、Adobe Acrobat、iText...)在哪里创建/编辑它？
浏览 0提问于2013-06-17得票数 8
回答已采纳
2回答
我想制作一个能够读取PDF文件并解析其内容的程序。因此，我需要使用某种库来提取文本。我找到了三种方法。
OCR库(如Tesseract)
ScanPdf库(如iText)
从PDF到文本的转换。
我无法理解它们之间的巨大差异，因为它们最终都会从PDF中生成一个文本文件。那么，这件事的最佳方式是什么呢？
浏览 6提问于2020-12-28得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
