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

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

Scanned PDFs sono tipicamente file basati su immagini e non modificabili, il che rende difficile estrarre testo da essi. Tuttavia, con Aspose.OCR per .NET, puoi rapidamente trasformare questi PDF scansionati in documenti di testo modificabili e ricercabili che rendono il recupero dei dati e la gestione dei documenti molto più facili.

Perché dovresti convertire PDF scansionati in testo ricercabile?

  1. Accessibilità migliorata:
    • I PDF scansionati possono essere convertiti in testo ricercabile e modificabile, consentendo una migliore accessibilità al contenuto.
  2. Organizzazione dei dati:
    • Una volta convertito, il testo può essere organizzato, manipolato e riutilizzato in vari formati come Word, Excel o testo semplice.
  3. Conservazione del contenuto:
    • Aspose.OCR garantisce che le immagini e il layout originali siano preservati mentre il testo viene estratto, fornendoti sia contenuto che contesto.

Requisiti: Prepararsi per la conversione di PDF scansionati

Prima di iniziare il processo di estrazione del testo dai PDF scansionati, assicurati di quanto segue:

  1. Installa Aspose.OCR per .NET:
    • Installa la libreria necessaria utilizzando NuGet con il comando:
      dotnet add package Aspose.OCR
  2. Configurazione della licenza:
    • Ottieni e configura una licenza a consumo utilizzando il metodo SetMeteredKey() per sbloccare tutte le funzionalità.
  3. Prepara i tuoi PDF scansionati:
    • Assicurati che i tuoi PDF scansionati siano di buona qualità (300 DPI o superiore) per i migliori risultati OCR.

Guida passo-passo per convertire PDF scansionati in testo

Passo 1: Configura 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("Licenza a consumo configurata con successo.");

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

Carica 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);  // Specifica le pagine da elaborare (prime 3 pagine)
Console.WriteLine("PDF scansionato caricato con successo.");

Passo 3: Configura il motore OCR per il riconoscimento

Configura il motore OCR per ottimizzare l’estrazione del testo dal PDF scansionato.

Aspose.OCR.AsposeOcr recognitionEngine = new Aspose.OCR.AsposeOcr();
RecognitionSettings settings = new RecognitionSettings();
settings.Language = Aspose.OCR.Language.Latin;  // Specifica la lingua OCR (usa il latino per l'inglese)
Console.WriteLine("Impostazioni OCR configurate.");

Passo 4: Estrai e salva il testo riconosciuto

Elabora il PDF scansionato per estrarre il testo e salvarlo in un file.

List<Aspose.OCR.RecognitionResult> results = recognitionEngine.Recognize(input, settings);
Console.WriteLine("Estrazione del testo riuscita.");

// Salva il testo riconosciuto in un file
results[0].Save("recognized_text.txt", Aspose.OCR.SaveFormat.Text);
Console.WriteLine("Testo riconosciuto salvato in recognized_text.txt.");

Passo 5: Testa il testo riconosciuto

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

Problemi comuni e soluzioni

1. Bassa precisione OCR

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

2. Riconoscimento della lingua errato

  • Soluzione: Specifica esplicitamente l’impostazione della lingua in RecognitionSettings per ottenere risultati migliori, soprattutto per caratteri non latini.

3. Prestazioni lente per file di grandi dimensioni

  • Soluzione: Elabora PDF di grandi dimensioni a pezzi o ottimizza l’uso della memoria per accelerare il processo OCR.
 Italiano