Chuyển đổi PDF quét thành Văn bản
Làm thế nào để chuyển đổi PDF được quét thành tài liệu văn bản có thể tìm kiếm trong .NET

Làm thế nào để chuyển đổi PDF được quét thành tài liệu văn bản có thể tìm kiếm trong .NET

Các PDF quét thường là các tệp không chỉnh sửa, dựa trên hình ảnh, điều này làm cho nó khó khăn để rút văn bản từ chúng. Tuy nhiên, với Aspose.OCR cho .NET, bạn có thể nhanh chóng chuyển đổi các PDF quét này thành các tài liệu văn bản có thể chỉnh sửa, tìm kiếm mà làm cho việc thu thập dữ liệu và quản lý tài liệu dễ dàng hơn nhiều.

Tại sao bạn nên chuyển đổi PDF được quét sang văn bản có thể tìm kiếm?

  • Tăng khả năng truy cập:- PDF được quét có thể được chuyển đổi thành văn bản có thể tìm kiếm và chỉnh sửa, cho phép khả năng truy cập tốt hơn cho nội dung.

  • Tổ chức dữ liệu:- Sau khi chuyển đổi, văn bản có thể được tổ chức, thao tác và tái sử dụng trong các định dạng khác nhau như Word, Excel hoặc văn bản thẳng.

  • Bảo tồn nội dung:- Aspose.OCR đảm bảo rằng hình ảnh và bố trí ban đầu được bảo tồn trong khi văn bản được rút ra, cung cấp cho bạn cả nội dung và bối cảnh.

Yêu cầu: Sẵn sàng cho chuyển đổi PDF quét

Trước khi bạn bắt đầu quá trình thu thập văn bản từ các PDF được quét, hãy đảm bảo rằng:

  • Cài đặt Aspose.OCR cho .NET:- Cài đặt thư viện cần thiết bằng NuGet với lệnh: dotnet add package Aspose.OCR

  • Thiết lập giấy phép:- Nhận và thiết lập một giấy phép đo bằng cách sử dụng SetMeteredKey() Phương pháp mở khóa tất cả các tính năng.

  • Cung cấp PDF đã quét của bạn:- Hãy chắc chắn rằng PDF được quét của bạn là chất lượng tốt (300 DPI hoặc cao hơn) cho kết quả OCR tốt nhất.

Hướng dẫn từng bước để chuyển đổi PDF được quét thành văn bản

Bước 1: Thiết lập giấy phép của bạn

Bắt đầu bằng cách cấu hình giấy phép Aspose.OCR của bạn để đảm bảo quyền truy cập đầy đủ vào các tính năng.

using Aspose.OCR;

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

Bước 2: Tải PDF quét vào đối tượng nhập OCR

Tải tệp PDF được quét vào động cơ OCR để nhận dạng văn bản.

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.");

Bước 3: Thiết lập động cơ OCR để nhận dạng

Thiết lập động cơ OCR để tối ưu hóa khai thác văn bản từ PDF được quét.

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.");

Bước 4: Tắt và lưu văn bản được công nhận

Xử lý PDF quét để rút văn bản và xuất nó vào một tệp.

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.");

Bước 5: Kiểm tra văn bản được công nhận

Sau khi khai thác, kiểm tra độ chính xác của nhận dạng văn bản bằng cách kiểm tra tệp output hoặc hiển thị nó trên console.

Các vấn đề chung và Fixes

• Độ chính xác OCR

  • Giải pháp: Hãy chắc chắn rằng chất lượng PDF được quét là cao (300 DPI hoặc nhiều hơn) cho độ chính xác nhận dạng tốt hơn.

2) Nhận thức ngôn ngữ không chính xác

  • Solution: Chọn rõ cài đặt ngôn ngữ trong RecognitionSettings để có kết quả tốt hơn, đặc biệt là đối với các ký tự không Latin.

3. hiệu suất chậm cho các tập tin lớn

  • Giải pháp: xử lý PDF lớn trong các mảnh hoặc tối ưu hóa sử dụng bộ nhớ để tăng tốc quá trình OCR.
 Tiếng Việt