چگونگی تبدیل فایل های اسکن شده به اسناد متنی قابل جستجو در .NET

PDF های اسکن شده به طور معمول غیر قابل ویرایش، فایل های مبتنی بر تصویر هستند، که باعث می شود استخراج متن از آنها دشوار باشد. با این حال، با Aspose.OCR برای .NET، شما می توانید به سرعت این PDF های اسکن شده را به اسناد متن قابل ویرایش و جستجو تبدیل کنید که بازگرداندن داده ها و مدیریت اسناد را بسیار آسان تر می کند.

چرا باید PDF های اسکن شده را به متن قابل جستجو تبدیل کنید؟

• توسعه در دسترس بودن:- PDF های اسکن شده را می توان به متن تبدیل کرد که قابل جستجو و ویرایش است و امکان دسترسی بهتر به محتوا را فراهم می کند.

• سازمان داده ها:- پس از تبدیل، متن می تواند سازماندهی، دستکاری و استفاده مجدد در فرمت های مختلف مانند Word، Excel، و یا متن صاف.

• تغییرمسیر محتوا:- Aspose.OCR اطمینان حاصل می کند که تصاویر اصلی و طرح در حالی که متن استخراج می شود حفظ می شود، به شما هر دو محتوا و زمینه می دهد.

شرایط: آماده شدن برای تبدیل اسکن شده به PDF

قبل از شروع فرآیند استخراج متن از PDF های اسکن شده، مطمئن شوید که:

• تولید Aspose.OCR برای .NET:- نصب کتابخانه مورد نیاز با استفاده از NuGet با دستورالعمل: dotnet add package Aspose.OCR

• تنظیمات مجوز:- دریافت و تنظیم یک مجوز اندازه گیری شده با استفاده از SetMeteredKey() روش برای باز کردن تمام ویژگی ها

• تولید فایل های اسکن شده خود را:- اطمینان حاصل کنید که PDF های اسکن شده شما در کیفیت خوب (300 DPI یا بالاتر) برای بهترین نتایج OCR هستند.

راهنمای گام به گام برای تبدیل PDF های اسکن شده به متن

using Aspose.OCR;

Metered license = new Metered();
license.SetMeteredKey("<your public key>", "<your private key>");
Console.WriteLine("Metered license configured successfully.");

OcrInput input = new OcrInput(Aspose.OCR.InputType.PDF);
input.Add("scanned_document.pdf", 0, 3);  // Specify pages to process (first 3 pages)
Console.WriteLine("Scanned PDF loaded successfully.");

Aspose.OCR.AsposeOcr recognitionEngine = new Aspose.OCR.AsposeOcr();
RecognitionSettings settings = new RecognitionSettings();
settings.Language = Aspose.OCR.Language.Latin;  // Specify OCR language (use Latin for English)
Console.WriteLine("OCR settings configured.");

List<Aspose.OCR.RecognitionResult> results = recognitionEngine.Recognize(input, settings);
Console.WriteLine("Text extraction successful.");

// Output the recognized text to a file
results[0].Save("recognized_text.txt", Aspose.OCR.SaveFormat.Text);
Console.WriteLine("Recognized text saved to recognized_text.txt.");

مشکلات و اصلاحات مشترک

۱- دقت ضعیف OCR

• راه حل: اطمینان حاصل کنید که کیفیت PDF اسکن شده بالا است (300 DPI یا بیشتر) برای دقت بهتر تشخیص.

2- تشخیص نامناسب زبان

• Solution: به وضوح تنظیمات زبان را در RecognitionSettings برای نتایج بهتر، به ویژه برای کاراکترهای غیر لاتین مشخص کنید.

3- عملکرد آهسته برای فایل های بزرگ

• راه حل: پردازش فایل های بزرگ در قطعات یا بهینه سازی استفاده از حافظه برای سرعت بخشیدن به OCR.