彩票走势图

OCR 识别工具LEADTOOLS OCR Module:可将 PDF 转换为150多种受支持的文档格式

翻译|使用教程|编辑:鲍佳佳|2021-06-07 11:51:40.970|阅读 147 次

概述:一个非常普遍的要求是能够解析PDF中的文本。幸运的是, LEADTOOLS OCR Engine使得从PDF文件中提取可搜索文本变得轻而易举。LEAD的AI增强引擎可以接受任何PDF(无论是否可搜索),并在必要时使用OCR从中提取文本。提取后,LEADTOOLS可以将该信息保存到文本文件,可搜索的PDF文件或 其他150多种受支持的文档格式中。

# 慧都年终大促·界面/图表报表/文档/IDE等千款热门软控件火热促销中 >>

LEADTOOLS OCR Module - LEAD Engine(原Advantage Engine )增加了将光学字符识别(OCR)和智能字符识别(ICR)技术合并到应用程序中的一些方法,并且包含用于开发稳健的,高性能的和可扩展的图像识别方案所需要的一切技术。LEADTOOLS OCR Module - LEAD Engine可与LEADTOOLS SDKs在文档和医疗产品方面集成在一起使用。

点击下载最新版LEADTOOLS 试用

一个非常普遍的要求是能够解析PDF中的文本。幸运的是, LEADTOOLS OCR Engine使得从PDF文件中提取可搜索文本变得轻而易举。LEAD的AI增强引擎可以接受任何PDF(无论是否可搜索),并在必要时使用OCR从中提取文本。提取后,LEADTOOLS可以将该信息保存到文本文件,可搜索的PDF文件或 其他150多种受支持的文档格式中。

下面概述了有关如何开始使用C#,VB和Java从PDF阅读文本的一些概述。

C#–从PDF获取文本

以下是C#控制台应用程序的概述,该应用程序将对输入文件进行OCR并将文本打印到控制台。

public void DocumentPageGetTextExample()
{
 var options = new LoadDocumentOptions();
 using (var document = DocumentFactory.LoadFromFile(Path.Combine(LEAD_VARS.ImagesDir, "input.pdf"), options))
 {
  var ocrEngine = OcrEngineManager.CreateEngine(OcrEngineType.LEAD);
  var rasterCodecs = new RasterCodecs();
  var documentWriter = new DocumentWriter();
  ocrEngine.Startup(rasterCodecs, documentWriter, null, LEAD_VARS.OcrLEADRuntimeDir);

  document.Text.OcrEngine = ocrEngine;

  // get text
  var page = document.Pages[0];
  var pageText = page.GetText();
  if (pageText != null)
  {
   pageText.BuildText();
   var text = pageText.Text;

   Console.WriteLine(text);
  }
  else
  {
   Console.WriteLine("Failed!");
  }
 }
}

static class LEAD_VARS
{
 public const string ImagesDir = @"C:\Input_File_Path\";
 public const string OcrLEADRuntimeDir = @"C:\LEADTOOLS21\Bin\Common\OcrLEADRuntime";
}
Visual Basic –从PDF获取文本

以下VB代码将对输入文件进行OCR并将文本打印到控制台。

Public Shared Sub DocumentPageGetTextExample()
 Dim options As New LoadDocumentOptions()
 Using document As Leadtools.Document.LEADDocument = DocumentFactory.LoadFromFile(Path.Combine(DocumentPath.Path, "input.pdf"), options)
  Dim ocrEngine As IOcrEngine = OcrEngineManager.CreateEngine(OcrEngineType.LEAD)
  Dim rasterCodecs As New RasterCodecs()
  Dim documentWriter As New DocumentWriter()
  ocrEngine.Startup(rasterCodecs, documentWriter, Nothing, LEAD_VARS.OcrLEADRuntimeDir)

  document.Text.OcrEngine = ocrEngine

  ' get text
  Dim page As Leadtools.Document.DocumentPage = document.Pages(0)
  Dim pageText As DocumentPageText = page.GetText()
  If Not pageText Is Nothing Then
   pageText.BuildText()
   Dim text As String = pageText.Text

   Console.WriteLine(text)
  Else
   Console.WriteLine("Failed!")
  End If
 End Using
End Sub

Public NotInheritable Class LEAD_VARS
 Public Const OcrLEADRuntimeDir As String = "C:\LEADTOOLS21\Bin\Common\OcrLEADRuntime"
End Class
Java –从PDF获取文本

LEADTOOLS引擎能够将提取的文本存储为 150种支持的文件格式中的一种。这是Java实现的示例。

static void ConvertToDocument(String inputFile, DocumentConverter docConverter, OcrEngine ocrEngine)
{
 DocumentWriter docWriter = new DocumentWriter();
 ocrEngine.startup(new RasterCodecs(), docWriter, null, null);

 String outputFile = "C:\\OutputFilePath\\searchablePDF.pdf";

 docConverter.setDocumentWriterInstance(docWriter);
 docConverter.setOcrEngineInstance(ocrEngine, true);
 DocumentConverterJobData jobData = DocumentConverterJobs.createJobData(inputFile, outputFile, DocumentFormat.PDF);
 jobData.setJobName("DocumentConversion");

 DocumentConverterJob job = docConverter.getJobs().createJob(jobData);
 docConverter.getJobs().runJob(job);

 if (job.getErrors().size() > 0)
  for (DocumentConverterJobError error : job.getErrors())
   System.out.println("\nError during conversion: " + error.getError().getMessage());
 else
  System.out.println("Successfully converted file to " + outputFile);
}
您是否看到我们之前的文章“ 如何将PDF转换为DOC / DOCX”?请继续关注更多转换示例,以了解LEADTOOLS文档转换器如何轻松地将其转换为将PDF文件转换为其他文档文件或图像并再次返回的任何工作流程。在此期间需要帮助吗? 请联系我们的支持团队以获取免费的技术支持!

试用版下载>>>

查看LEADTOOLS详细介绍>>

LEADTOOLS 使用教程>>>


想要购买LEADTOOLS正版授权,或了解更多产品信息请点击

标签:

本站文章除注明转载外,均为本站原创或翻译。欢迎任何形式的转载,但请务必注明出处、不得修改原文相关链接,如果存在内容上的异议请邮件反馈至chenjj@pclwef.cn

文章转载自:

为你推荐

  • 推荐视频
  • 推荐活动
  • 推荐产品
  • 推荐文章
  • 慧都慧问
扫码咨询


添加微信 立即咨询

电话咨询

客服热线
023-68661681

TOP