PDF scansionato in testo
Come convertire PDF scansionati in documenti di testo di ricerca in .NET

Come convertire PDF scansionati in documenti di testo di ricerca in .NET

I PDF scansionati sono di solito file non editabili, basati sull’immagine, il che rende difficile estrarre testo da essi. tuttavia, con Aspose.OCR per .NET, è possibile trasformare rapidamente questi PDF scansionati in documenti di testo editabili, che rendono molto più facile il recupero dei dati e la gestione dei documenti.

Perché dovresti convertire PDF scansionati in testo di ricerca?

  • Accessibilità avanzata:- I PDF scansionati possono essere convertiti in testo che è ricercabile e modificabile, consentendo una migliore accessibilità al contenuto.

  • Organizzazione dei dati:- Una volta convertito, il testo può essere organizzato, manipolato e riutilizzato in vari formati come Word, Excel o testo piatto.

  • Ritenzione del contenuto:- Aspose.OCR assicura che le immagini originali e il layout siano conservate mentre il testo è estratto, dando sia il contenuto che il contesto.

Prerequisiti: Prepararsi per la conversione PDF scansionata

Prima di iniziare il processo di estrazione del testo dai PDF scansionati, assicuratevi che:

  • Installare Aspose.OCR per .NET:- Installare la biblioteca necessaria utilizzando NuGet con il comando: dotnet add package Aspose.OCR

  • Configurazione di licenza:- Ottenere e configurare una licenza misurata utilizzando il SetMeteredKey() Metodo per disattivare tutte le caratteristiche.

  • Risegna i tuoi PDF scansionati:- Assicurarsi che i PDF scansionati siano di buona qualità (300 DPI o superiore) per i migliori risultati OCR.

Guida passo dopo passo per convertire PDF scansionati in testo

Passo 1: Configurare la tua licenza

Inizia configurando la tua licenza Aspose.OCR per garantire l’accesso completo alle funzionalità.

using Aspose.OCR;

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

Passo 2: Caricare il PDF scansionato nell’oggetto di input OCR

Caricare il file PDF scansionato nel motore OCR per il riconoscimento del testo.

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.");

Passo 3: Configurare il motore OCR per il riconoscimento

Imposta il motore OCR per ottimizzare l’estrazione di testo dal PDF scansionato.

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.");

Passo 4: estrarre e salvare il testo riconosciuto

Processare il PDF scansionato per estrarre il testo e spostarlo in un file.

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.");

Passo 5: Testare il testo riconosciuto

Dopo l’estrazione, verifica l’accuratezza del riconoscimento del testo controllando il file di uscita o visualizzandolo sulla console.

Problemi e fissazioni comuni

La scarsa precisione OCR

  • Soluzione: Assicurati che la qualità del PDF scansionato sia elevata (300 DPI o più) per una migliore precisione del riconoscimento.

2 - Riconoscimento linguistico inadeguato

  • Soluzione: specificare esplicitamente le impostazioni del linguaggio in RecognitionSettings per risultati migliori, specialmente per i caratteri non latini.

Rallentamento delle prestazioni per file di grandi dimensioni

  • Soluzione: elaborare grandi file PDF in pezzi o ottimizzare l’uso della memoria per accelerare il processo OCR.
 Italiano