Μετατροπή σάρωσης PDF σε κείμενο
Πώς να εξαγάγετε κείμενο από σαρωμένα PDF σε .NET χρησιμοποιώντας το Aspose.OCR

Πώς να εξαγάγετε κείμενο από σαρωμένα PDF σε .NET χρησιμοποιώντας το Aspose.OCR

Scanned PDFs είναι συχνά δύσκολα να επεξεργαστούν επειδή είναι ουσιαστικά απλά εικόνες κειμένου. Η μετατροπή αυτών των εικόνων σε αναζητήσιμα, επεξεργάσιμα κείμενα ανοίγει έναν κόσμο δυνατοτήτων για τη διαχείριση εγγράφων και την προσβασιμότητα περιεχομένου. Με το Aspose.OCR for .NET, μπορείτε να μετατρέψετε τα σκαναρισμένα PDFs σε πλήρως αναζητήσιμα έγγραφα διατηρώντας τις αρχικές εικόνες.

Γιατί η OCR (Οπτική Αναγνώριση Χαρακτήρων) έχει σημασία για τα σκαναρισμένα PDFs

  1. Εξαγωγή Δεδομένων:
    • Η OCR σας επιτρέπει να μετατρέψετε το σκαναρισμένο κείμενο σε δεδομένα που μπορούν να αναγνωστούν από μηχανές, τα οποία μπορούν να επεξεργαστούν και να καταχωρηθούν.
  2. Αναζητησιμότητα:
    • Με τη μετατροπή των σκαναρισμένων PDFs σε αναζητήσιμα έγγραφα, μπορείτε να βρείτε γρήγορα σχετικές πληροφορίες χωρίς να ψάχνετε χειροκίνητα σε σελίδες.
  3. Βελτιωμένη Παραγωγικότητα:
    • Εξοικονομήστε χρόνο αυτοματοποιώντας τη μετατροπή σκαναρισμένων εγγράφων σε επεξεργάσιμες μορφές όπως Word ή Excel.

Προαπαιτούμενα: Ρύθμιση για Εξαγωγή Κειμένου από Σκαναρισμένα PDFs

Πριν ξεκινήσετε την εξαγωγή κειμένου από τα σκαναρισμένα PDFs σας, βεβαιωθείτε ότι τα παρακάτω βήματα έχουν ολοκληρωθεί:

  1. Εγκαταστήστε το Aspose.OCR for .NET:
    • Προσθέστε το Aspose.OCR στο έργο σας χρησιμοποιώντας το NuGet:
      dotnet add package Aspose.OCR
  2. Αποκτήστε μια Μετρημένη Άδεια:
    • Ρυθμίστε την μετρημένη άδειά σας για να ξεκλειδώσετε όλες τις δυνατότητες της βιβλιοθήκης Aspose.OCR χρησιμοποιώντας το SetMeteredKey().
  3. Ετοιμάστε τα Σκαναρισμένα PDFs σας:
    • Βεβαιωθείτε ότι τα σκαναρισμένα PDFs σας είναι υψηλής ποιότητας. Καλύτερη ποιότητα σημαίνει πιο ακριβή OCR.

Οδηγός Βήμα προς Βήμα: Εξαγωγή Κειμένου από Σκαναρισμένα PDFs

Βήμα 1: Εγκαταστήστε τη Χρειούμενη Βιβλιοθήκη

Ξεκινήστε εγκαθιστώντας το Aspose.OCR for .NET στο έργο σας. Μπορείτε να το κάνετε αυτό απευθείας από το NuGet.

dotnet add package Aspose.OCR

Βήμα 2: Ρυθμίστε τα Κλειδιά Άδειας σας

Πριν προχωρήσετε, ρυθμίστε την άδειά σας για το Aspose.OCR για να ξεκλειδώσετε όλες τις δυνατότητες.

using Aspose.OCR;

Metered license = new Metered();
license.SetMeteredKey("<your public key>", "<your private key>");
Console.WriteLine("Η άδεια ρυθμίστηκε με επιτυχία.");

Βήμα 3: Φορτώστε το Σκαναρισμένο PDF στο Αντικείμενο Εισόδου OCR

Θα χρειαστεί να φορτώσετε το σκαναρισμένο PDF στο αντικείμενο OcrInput. Το Aspose.OCR υποστηρίζει τη σάρωση πολλών σελίδων ενός PDF.

OcrInput input = new OcrInput(Aspose.OCR.InputType.PDF);
input.Add("scanned_sample.pdf", 0, 3); // Επεξεργαστείτε τις πρώτες 3 σελίδες του PDF
Console.WriteLine("Το σκαναρισμένο PDF φορτώθηκε με επιτυχία.");

Βήμα 4: Επεξεργαστείτε το Σκαναρισμένο PDF Χρησιμοποιώντας τη Μηχανή OCR

Με το PDF φορτωμένο, περάστε το στη μηχανή Aspose OCR για αναγνώριση.

Aspose.OCR.AsposeOcr recognitionEngine = new Aspose.OCR.AsposeOcr();
RecognitionSettings settings = new RecognitionSettings();
settings.Language = Aspose.OCR.Language.Latin;  // Ρυθμίστε τη γλώσσα OCR (π.χ., Λατινικά για Αγγλικά)

List<Aspose.OCR.RecognitionResult> results = recognitionEngine.Recognize(input, settings);
Console.WriteLine("Κείμενο εξαγόμενο από το PDF.");

Βήμα 5: Εξάγετε το Αναγνωρισμένο Κείμενο ή Αποθηκεύστε το

Μόλις η μηχανή OCR επεξεργαστεί το PDF, μπορείτε είτε να εξάγετε το αναγνωρισμένο κείμενο απευθείας είτε να το αποθηκεύσετε σε ένα αρχείο.

string recognizedText = results[0].RecognitionText;
Console.WriteLine($"Αναγνωρισμένο Κείμενο: {recognizedText}");

// Αποθηκεύστε το αποτέλεσμα σε ένα αρχείο κειμένου
results[0].Save("output.txt", Aspose.OCR.SaveFormat.Text);
Console.WriteLine("Το αναγνωρισμένο κείμενο αποθηκεύτηκε στο output.txt.");

Βήμα 6: Δοκιμάστε και Βελτιστοποιήστε τα Αποτελέσματα OCR

Αφού εξάγετε το κείμενο, δοκιμάστε την έξοδο για ακρίβεια. Εάν χρειαστεί, μπορείτε να προσαρμόσετε τις ρυθμίσεις OCR για να βελτιώσετε τα αποτελέσματα για διαφορετικές διατάξεις εγγράφων.

Συχνά Προβλήματα και Λύσεις

1. Κακή Ακρίβεια OCR

  • Λύση: Βεβαιωθείτε ότι η ποιότητα του σκαναρισμένου PDF είναι υψηλή. Χρησιμοποιήστε σάρωση υψηλής ανάλυσης για να βελτιώσετε την ακρίβεια αναγνώρισης.

2. Μη Υποστηριζόμενες Γραμματοσειρές

  • Λύση: Παρέχετε τη σωστή ρύθμιση γλώσσας στις επιλογές OCR για να ενισχύσετε την αναγνώριση για μη Λατινικούς χαρακτήρες.

3. Αργή Απόδοση

  • Λύση: Σπάστε το PDF σε μικρότερα κομμάτια ή σελίδες για ταχύτερη επεξεργασία, ειδικά για μεγάλα έγγραφα.
 Ελληνικά