Skanirano PDF na tekst
Kako izvući tekst iz skeniranih PDF-a pomoću Aspose.OCR

Kako izvući tekst iz skeniranih PDF-a pomoću Aspose.OCR

Izvlačenje teksta iz skeniranog ili slikovitih PDF S ASPOSE.OCR Scanned PDF to Text za .NET, možete automatizirati ovaj proces, pretvarajući PDF-ove u tražljiv i uređiv tekst s samo nekoliko redova koda.

Real-svjetski problem

Organizacije često dobivaju ugovore, izvješća ili arhive kao skenirane PDF-ove. ručno kopiranje teksta ili pretraživanje unutar tih dokumenata je dosadno i pogrešno, usporavajući usklađenost, arhiviranje i projekte digitalne transformacije.

Pregled rješenja

ASPOSE.OCR za .NET omogućuje vam da rasporedite skenirane PDF-ove – pretvarajući ih u tekst ili pretraživačke PDF, čineći informacije pristupačnim, indeksiranim i spremnim za digitalne tokove rada.

Preduzeća

Prije nego što počnete, pobrinite se da imate:

  • Visual Studio 2019 ili kasnije
  • .NET 6.0 ili noviji (ili .NET Framework 4.6.2+)
  • Aspose.OCR za .NET od NuGet
  • Osnovno znanje C
PM> Install-Package Aspose.OCR

Korak po korak provedba

Korak 1: Instaliranje i konfiguracija Aspose.OCR

Dodajte paket NuGet i referencu Aspose.OCR:

using Aspose.OCR;

Korak 2: Dodajte svoje skenirane PDF datoteke

Stvorite OcrInput objekt za PDF ulazak i dodajte skenirane PDF datoteke.

OcrInput input = new OcrInput(InputType.PDF);
input.Add("contract.pdf");
input.Add("archive.pdf");
// Optionally specify page ranges:
// input.Add("report.pdf", startPage: 0, pagesCount: 5);

Korak 3: Konfigurirajte postavke prepoznavanja

Konfigurirajte jezik i druge postavke prepoznavanja kako bi se prilagodili vašim dokumentima.

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;

Korak 4: Provedite proces prepoznavanja

Prepoznajte tekst iz vaših skeniranih PDF-a:

AsposeOcr ocr = new AsposeOcr();
List<RecognitionResult> results = ocr.Recognize(input, settings);

Korak 5: Sačuvajte ili izvozite prepoznatljiv tekst

Izvoz prepoznatljivog teksta u datoteke ili pretvaranje rezultata u pretraživačke PDF-ove.

foreach (RecognitionResult result in results)
{
    Console.WriteLine(result.RecognitionText); // Show the text in console
    result.Save("output.txt", SaveFormat.Text); // Save as plain text
    result.Save("output.pdf", SaveFormat.Pdf); // Save as searchable PDF
}

Korak 6: Dodajte rješavanje pogrešaka

Preuzmite prepoznavanje u pokušajnom/prijateljskom bloku za čvrstoću.

try
{
    AsposeOcr ocr = new AsposeOcr();
    List<RecognitionResult> results = ocr.Recognize(input, settings);
    // Further processing...
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Korak 7: Optimizacija velikih ili višestrukih PDF-ova

  • Proizvodnja PDF stranica po stranici za velike datoteke
  • Koristite visoke kvalitete skeniranja za najbolje rezultate
  • Batch proces u paralelnom obliku za velike kolekcije
// Example: Add all scanned PDFs in a folder
foreach (string file in Directory.GetFiles("./pdfs", "*.pdf"))
{
    input.Add(file);
}

Korak 8: Potpuni radni primjer 

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.PDF);
            input.Add("contract.pdf");
            input.Add("archive.pdf");

            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;

            AsposeOcr ocr = new AsposeOcr();
            List<RecognitionResult> results = ocr.Recognize(input, settings);

            foreach (RecognitionResult result in results)
            {
                Console.WriteLine(result.RecognitionText);
                result.Save("output.txt", SaveFormat.Text);
                result.Save("output.pdf", SaveFormat.Pdf);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Korištenje slučajeva i aplikacija

Digitalni arhiviranje

Konvertirati cjelokupne knjižnice skeniranih dokumenata u tražljive, indeksirane datoteke za usklađenost i upravljanje znanjima.

Upravljanje pravom i ugovorom

Iz PDF-a izvlačite ugovorne odredbe ili uvjete za reviziju, automatizaciju ili digitalni potpis.

Streamline pretraživanje dokumenata

Omogućite brzo crtanje punog teksta u arhivima, bazama znanja ili datotekama slučaja.

Zajednički izazovi i rješenja

Izazov 1: Niska kvaliteta ili skidanje skeniranja

Rješenje: Koristite predprocesne filtre i visoke kvalitete skeniranja gdje je to moguće.

Izazov 2: višejezični PDF-ovi

Rješenje: Postavite jezik u postavkama prepoznavanja ili procesu s više opcija jezika.

Izazov 3: Vrlo veliki PDF datoteke

Rješenje: Proizvodnja u paketima ili po stranici i praćenje upotrebe memorije.

Razmatranje učinkovitosti

  • Koristite optimalni DPI (300+) za skenirane PDF-ove
  • Batch proces za najbolji prijelaz
  • Uklanjanje OCR objekata i zatvorenih rukavica datoteke

Najbolje prakse

  • Validacija OCR izlaska prije daljnje automatizacije
  • Organizacija i kopiranje originalnih PDF datoteka
  • Koristite ispravan SaveFormat za svoj radni protok
  • Redovito ažurirati Aspose.OCR za nove PDF funkcije

Napredni scenariji

Scenarij 1: Iz PDF-a izvadite samo određene stranice 

input.Add("archive.pdf", startPage: 5, pagesCount: 3);

Scenarij 2: Izvoz u više formata 

foreach (RecognitionResult result in results)
{
    result.Save("output.docx", SaveFormat.Docx);
    result.Save("output.json", SaveFormat.Json);
}

zaključak

Aspose.OCR za .NET omogućuje pretvaranje skeniranih PDF-a u aktivne tekstove i pretraživačke datoteke – uklanjajući ručni ulaz i čineći informacije dostupne cijeloj organizaciji.

Za više detalja i primjera, pogledajte Aspose.OCR za .NET API reference .

 Hrvatski