스캔된 PDF를 텍스트로 변환
Aspose.OCR을 사용하여 멀티 페이지 PDF에서 데이터 추출을 자동화하는 방법

Aspose.OCR을 사용하여 멀티 페이지 PDF에서 데이터 추출을 자동화하는 방법

스캐너, 아카이브 또는 기업 작업 흐름에서 여러 페이지의 PDF는 종종 검색 할 수없는 텍스트 및 테이블의 거대한 양을 보유하고 있습니다.수동 추출은 느리고 규모가 없습니다. .NET을위한 Aspose.OCR은 최소 코드가있는 긴 복잡한 PDF에서 문자, 테마 및 구조의 추세를 자동화합니다.

현실 세계 문제

법률, 금융 및 학술 아카이브는 정기적으로 수백 페이지를 포함하는 다중 페이지 스캔 PDF를 처리합니다.

솔루션 검토

Aspose.OCR for .NET은 패치 프로세스 및 각 페이지에서 텍스트 / 테이블을 멀티 페이지 PDF로 추출 할 수 있습니다.당신은 페이지 라인, 수출 형식 및 비즈니스 응용 프로그램 또는 디지털 아카이브와 자동 통합을 지정할 수있다.

원칙

  • Visual Studio 2019 또는 이후
  • .NET 6.0 또는 이후 (또는 .Net Framework 4.6.2+)
  • NuGet에서 .NET을 위한 ASPOSE.OCR
  • 기본 C# 프로그래밍 기술
PM> Install-Package Aspose.OCR

단계별 실행

단계 1 : ASPOSE.OCR 설치 및 설정 

using Aspose.OCR;

단계 2 : 여러 페이지 PDF 파일 추가 

OcrInput input = new OcrInput(InputType.PDF);
input.Add("archive.pdf"); // all pages
input.Add("report.pdf", 5, 10); // pages 5-14

3단계: 인식 설정 및 페이지 순위를 설정합니다. 

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

단계 4: 각 페이지에서 텍스트와 테이블을 추출 

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

단계 5 : 각 페이지에 대한 수출 결과 

int page = 1;
foreach (RecognitionResult result in results)
{
    result.Save($"output_page_{page}.txt", SaveFormat.Text);
    result.Save($"output_page_{page}.xlsx", SaveFormat.Xlsx);
    result.Save($"output_page_{page}.json", SaveFormat.Json);
    page++;
}

단계 6 : 오류 처리 및 데이터 검증 

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

단계 7 : 대형 파일 및 배치 작업을 최적화

  • 디렉토리에 따라 폴더에서 PDF를 처리
  • 빠른 속도를 위한 선택적인 페이지 처리
  • 메모리/CPU 사용 모니터링
foreach (string file in Directory.GetFiles("./pdfs", "*.pdf"))
{
    input.Add(file);
}

단계 8 : 완전한 예제 

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

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.PDF);
            input.Add("archive.pdf");
            input.Add("report.pdf", 5, 10);

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

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

            int page = 1;
            foreach (RecognitionResult result in results)
            {
                result.Save($"output_page_{page}.txt", SaveFormat.Text);
                result.Save($"output_page_{page}.xlsx", SaveFormat.Xlsx);
                result.Save($"output_page_{page}.json", SaveFormat.Json);
                page++;
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

사례 및 응용 프로그램 사용

법률 및 준수 아카이브

검색 및 준수를 위해 계약, 법원 서류 또는 정부 기록의 전체 내용을 추출합니다.

학술 및 연구 아카이브

분석 또는 전자 학습을 위해 저널, 논문 또는 데이터 테이블을 디지털화하고 분할합니다.

금융 및 감사 작업 흐름

대규모 성명서 아카이브, 보고서 및 스파이더에서 자동 추출.

일반적인 도전과 해결책

도전 1 : 불일치한 페이지 레이아웃

** 해결책:** AUTO 탐지기를 사용하거나 페이지 범위에 따라 다른 모드를 설정합니다.

도전 2 : 매우 큰 PDF

** 솔루션:** 배치로 프로세스; 더 나은 메모리 성능을 위해 분할 파일.

도전 3 : 혼합 콘텐츠 (텍스트, 테이블, 이미지)

** 솔루션:** 검증 및 포스트 프로세스 출력; 톤 탐지 모드.

성과 고려 사항

  • 큰 PDF는 더 많은 메모리/CPU가 필요합니다.
  • 최상의 성과를 위해 배치 직업 오프 시간
  • 통합 전에 출력 샘플을 검증

모범 사례

  • 쉬운 추적을 위해 이름 협약을 사용하십시오.
  • 여러 페이지의 PDF를 분할하면 파일이 매우 크다.
  • 출처 및 출력 문서 모두 보안
  • 중요한 작업 흐름에서 인증 및 포트 체크 출력

고급 시나리오

시나리오 1 : 페이지 당 검색 가능한 PDF로 수출 

foreach (RecognitionResult result in results)
{
    result.Save($"output_page_{page}.pdf", SaveFormat.Pdf);
    page++;
}

시나리오 2 : 데이터베이스 또는 클라우드와 통합 

foreach (RecognitionResult result in results)
{
    string json = File.ReadAllText($"output_page_{page}.json");
    // Upload json or send to a cloud endpoint
}

결론

ASPOSE.OCR for .NET은 강력하고 규모 가능한 텍스트 추출 및 다 페이지 PDF에서 구조화 된 데이터를 제공합니다 - 수동 노력 시간을 절약하고 작업 흐름 자동화를 향상시킵니다.

더 많은 PDF 및 배치 처리 예를 참조하십시오 .NET API 참조를 위한 ASPOSE.OCR .

 한국어