Skanirano PDF na tekst
Kako pretvoriti skenirane PDF-ove u pretražive tekstne dokumente u .NET-u

Kako pretvoriti skenirane PDF-ove u pretražive tekstne dokumente u .NET-u

Skanirani PDF-ovi su obično ne-redaktivni, datoteke na bazi slike, što otežava ekstrakciju teksta iz njih. međutim, s Aspose.OCR za .NET, možete brzo pretvoriti te skenirane pdf-ove u uredljive, pretražive tekstne dokumente koji čine povlačenje podataka i upravljanje dokumentima mnogo lakšim.

Zašto trebate pretvoriti skenirane PDF-ove u pretraživ tekst?

  • Povećana dostupnost:- Skanirani PDF-ovi mogu se pretvoriti u tekst koji je tražljiv i uređen, što omogućuje bolju pristupačnost sadržaju.

  • Organizacija podataka:- Nakon pretvaranja, tekst se može organizirati, manipulirati i ponovno koristiti u različitim formatima kao što su Word, Excel ili ravni tekst.

  • Održavanje sadržaja:- Aspose.OCR osigurava da se originalne slike i raspored čuvaju dok se tekst izvlači, dajući vam i sadržaj i kontekst.

Preduvjeti: Pripremite se za skeniranu konverziju PDF-a

Prije nego što počnete proces ekstrakcije teksta iz skeniranih PDF-a, osigurajte sljedeće:

  • Install Aspose.OCR za .NET:- Instalirajte potrebnu knjižnicu pomoću NuGeta s zapovijedom: dotnet add package Aspose.OCR

  • Konfiguriranje dozvola:- Obtain and configure a metered license using the SetMeteredKey() method to unlock all features.

  • Pripremite svoje skenirane PDF-ove:- Uvjerite se da su vaši skenirani PDF-ovi u dobroj kvaliteti (300 DPI ili više) za najbolje rezultate OCR-a.

Korak po korak vodič za pretvaranje skeniranih PDF-a u tekst

Korak 1: Preuzmite licenciranje

Počnite konfiguriranjem Aspose.OCR licence kako biste osigurali potpuni pristup funkcijama.

using Aspose.OCR;

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

Korak 2: Preuzmite skenirani PDF u OCR Input Object

Preuzmite skenirani PDF datoteku u OCR motor za prepoznavanje teksta.

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.");

Korak 3: Konfigurirajte OCR motor za prepoznavanje

Postavite OCR motor kako biste optimizirali ekstrakciju teksta iz skeniranog PDF-a.

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.");

Korak 4: Izvadite i sačuvajte prepoznatljiv tekst

Procesiranje skeniranog PDF-a kako bi se tekst izvukao i izvukao u datoteku.

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.");

Korak 5: Proverite prepoznatljiv tekst

Nakon ekstrakcije, provjerite točnost prepoznavanja teksta provjeravanjem izvornog datoteke ili prikazivanjem na konzoli.

Zajednička pitanja i rješenja

1. loša OCR točnost

  • Rješenje: Uvjerite se da je kvaliteta skeniranog PDF-a visoka (300 DPI ili više) za bolju točnost prepoznavanja.

Nepravilno prepoznavanje jezika

  • Rješenje: Izričito navedite postavke jezika u RecognitionSettings za bolje rezultate, osobito za ne-latinske znakove.

Slaba učinkovitost za velike datoteke

  • Rješenje: obrađuje velike PDF-ove u komadićima ili optimizira upotrebu memorije kako bi se ubrzao proces OCR-a.
 Hrvatski