PDF szűrés a szöveghez
Hogyan lehet átalakítani a szkennelt PDF-ket kereshető szöveges dokumentumok .NET

Hogyan lehet átalakítani a szkennelt PDF-ket kereshető szöveges dokumentumok .NET

A szkennelt PDF-k rendszerint nem szerkeszthetők, képalapú fájlok, ami nehezen tudja kivonni a szöveget tőlük. azonban Aspose.OCR for .NET segítségével gyorsan átalakíthatja ezeket a skannált PDF dokumentumokat szerkálható, kereshető szövegdokumentumokká, amelyek sokkal könnyebbé teszik az adatvisszatérítést és a Dokumentumkezelést.

Miért kellene a szkennelt PDF-eket kereshető szövegre konvertálni?

  • Megnövekedett hozzáférhetőség:- A szkennelt PDF-k olyan szövegekké alakíthatók, amelyek kereshetők és szerkeszthetők, lehetővé téve a tartalom jobb hozzáférhetőségét.

  • Adatkezelő szervezet:- Az átalakítás után a szöveget szervezhetjük, manipulálhatjuk és újrafelhasználhatjuk különböző formátumokban, mint például a Word, az Excel vagy a tiszta szöveg.

  • Tartalmak megőrzése:- Az Aspose.OCR biztosítja, hogy az eredeti képek és elrendezések megmaradjanak, miközben a szöveget kivonják, és mind a tartalmat, mind a kontextust adják.

Előfeltételek: Készüljön fel a szkennelt PDF átalakításra

Mielőtt elkezdené a szöveg kivonásának folyamatát a szkennelt PDF-kból, győződjön meg róla, hogy a következő:

  • Az ASPOSE.OCR telepítése a .NET-hez:- Telepítse a szükséges könyvtárat a NuGet használatával a parancsot: dotnet add package Aspose.OCR

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

  • Készítsd el a szkennelt PDF-jeit:- Győződjön meg róla, hogy a szkennelt PDF-k jó minőségben vannak (300 DPI vagy annál magasabb) a legjobb OCR eredményekhez.

Lépésről lépésre útmutató a szkennelt PDF-k szövegre való átalakításához

1. lépés: Állítsa be a licencét

Kezdje a Aspose.OCR licenc konfigurálásával, hogy teljes mértékben hozzáférjen a funkciókhoz.

using Aspose.OCR;

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

2. lépés: Töltse le a szkennelt PDF-t az OCR beviteli objektumba

Töltse le a szkennelt PDF fájlt az OCR motorba a szöveges felismeréshez.

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.");

3. lépés: Az OCR motor beállítása a felismeréshez

Állítsa be az OCR motorot, hogy optimalizálja a szöveg kivonását a szkennelt PDF-ből.

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.");

4. lépés: Az elismert szöveg kivonása és mentése

Feldolgozza a szkennelt PDF-t, hogy kivonja a szöveget, és egy fájlba adja ki.

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.");

5. lépés: Vizsgálja meg az elismert szöveget

A kivonás után ellenőrizze a szövegfelismerés pontosságát a kimeneti fájl ellenőrzésével vagy a konzolra történő megjelenítésével.

Közös problémák és megoldások

1. A rossz OCR pontosság

  • Teljesítés: Győződjön meg róla, hogy a szkennelt PDF minősége magas (300 DPI vagy annál nagyobb) a jobb felismerési pontosság érdekében.

2. Igazságtalan nyelvfelismerés

  • Feltételek: Nyilvánvalóan jelölje meg a nyelvi beállításokat a RecognitionSettings-ban a jobb eredmények érdekében, különösen a nem latin karakterek esetében.

3. Lassú teljesítmény a nagy fájlokhoz

  • Feltételek: A nagy PDF-k feldolgozása töredékekben vagy a memória használatának optimalizálása az OCR folyamat felgyorsítása érdekében.
 Magyar