我有一个pdf，大约50页扫描表。我需要最终把它刮到R中，这样我就可以清理数据并将其导出为.csv。环顾在线，我所能得到的最远就是将扫描的pdf作为一个字符对象读取到R中，但这会使格式发生很大的变化，因此表中的列都错对齐了，并出现了无序。有没有一种方法可以将扫描的pdf转换成可读的pdf，这样我就可以在tabulizer中抓取它了？还是另一种将扫描的pdfs抓取到表中的方法？
浏览 5提问于2022-11-16得票数 0
我使用ScanSnap S1500M将所有纸质文档扫描到/PDF-S1500M/-我想使用对文本进行OCR。我想(每天)自动化这个过程：
我应该用自动售货
浏览 5提问于2011-08-18得票数 1
回答已采纳
即$f = `java -jar /OCR/ocr.jar /Folder/$path /ocr/output.txt`;java -jar /OCR/ocr.jar /Folder/Sub\ Folder/filetoocr.pdf /
浏览 1提问于2010-04-15得票数 0
1回答
是否可以编辑在C#中不可填充的PDF格式
所需经费：
必须编辑以编程方式填写的表格中的文本和数据，并保存它。
浏览 6提问于2012-06-28得票数 1
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
一切正常，但它不是从pdf文件中提取的图像。Tika可以从pdf和图像中提取文本，但不能从包含图像的pdf中提取文本。我有点困惑。有没有办法做到这一点？是否需要将PDF文件转换为图像？
浏览 3提问于2018-10-11得票数 1
2回答
我们有许多pdf文件，它们都是解锁的，它们都有文本、图片等，每次我们必须打开adobe上的文件并手动打开它们时，我想也许有一个更好的方法来处理PowerShell，如果不是的话，我们必须做超过1000个文件
浏览 7提问于2021-12-22得票数 -2
回答已采纳
我试图将"pdf“或"html”文件直接传递到lambda函数中。但是我不明白它应该以什么正确的格式接收？我能够理解如何使用以下代码通过lambda函数传递“图像”文件:但是如何发送pdf或html文件呢？(img): return ocr_text
except Ex
浏览 1提问于2020-05-06得票数 0
回答已采纳
我有一个电子邮件与扫描的.pdf附加在我的Gmail帐户。当我点击“查看”，我看到谷歌有OCRed它。当我单击“下载”时，PDF是原始的，即不包含OCRed。如何通过谷歌下载内容为.pdf的OCRed文件？
浏览 0提问于2012-11-26得票数 2
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
1回答
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf "%u&
浏览 0提问于2022-11-30得票数 0
回答已采纳
2回答
在Ubuntu源代码中有一个很好的PDF查看器可以让我选择和复制文本吗？Okular是一个很好的应用程序，因为它拥有比Document更多的工具。然而，我真正需要做的就是从pdf中选择和复制文本。有什么能让我这么做？
浏览 0提问于2015-12-15得票数 7
回答已采纳
1回答
在r中的pdf上执行ocr时出错
、、、、
在r中的pdf上尝试OCR，这给了我错误。运行代码后，也会生成"i.txt“文件，但仍然会出现错误。'"D:/Software_for_PDF_OCR/xpdf-tools-win-4.00/bin64/pdftoppm.exe D:/PDF_OCR_File/test.pdf -f 1 -lD:/PDF_OCR_File/t
浏览 3提问于2017-09-20得票数 0
中暂时不可用的资源
使用&和2>&1 &，这应该会迫使PHP等待脚本完成，但事实并非如此。因此，我的问题是:是否有办法这样做，迫使PHP等待直到执行完成；或者，我如何让PHP等待，例如，10秒，在删除失败时再试一次(如果再次失败，则再等待)
编辑:执行删除：unlink("temp/1.
浏览 2提问于2018-11-13得票数 0
回答已采纳
3回答
到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
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将整个页面提供给OCR引擎。它应该将图像分解成小图像，用单行文本或小段落发送到<em
浏览 0提问于2014-04-20得票数 72
回答已采纳
1回答
我让Tika在PDF文件上使用Tesseract，但是如果我给它一个同时具有可搜索文本和图像的PDF文件，文本是OCRed两次。有什么办法可以避免这种情况吗？
浏览 4提问于2020-12-31得票数 1
回答已采纳
我一直在尝试从扫描的PDF中提取文本(具有不可选文本的图像)。我想要的信息，包含日期，发票编号从pdf链接()。from PIL import Imagepage = pdf_reader.getPage
浏览 2提问于2020-05-27得票数 1
回答已采纳
1回答
例如，OCR0000000006和OCR0000000008都有统一的标题06000146.pdf。OCR0000000001 Yes 100 06000093.pdfOCR0000000004 OCR0000000006 No 95
浏览 0提问于2014-03-22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
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号