Dokumenty PDF odgrywają kluczową rolę w wielu procesach biznesowych, często wymagając programowego dostępu do ich zeskanowanej zawartości. Ekstrakcja tekstu z zeskanowanych plików PDF może być skomplikowana, co czyni skuteczne narzędzia niezbędnymi. W tym samouczku zbadamy jak wykonać OCR na dokumentach PDF i ekstraktować tekst z PDF w C# przy użyciu potężnego Aspose.OCR dla .NET API, wiodącej biblioteki do ekstrakcji tekstu z PDF w C# dostępnej do bezpłatnej oceny.
Czego się nauczysz
W tym artykule omówimy następujące tematy:
- Przegląd Aspose.OCR dla .NET API
- Kroki do OCR PDF i ekstrakcji tekstu
- Jak wykonać OCR na PDF i zapisać tekst
- Konwersja OCR PDF do Word
- Konwersja OCR PDF do JSON
Przegląd Aspose.OCR dla .NET API
Będziemy korzystać z Aspose.OCR dla .NET API, solidnego rozwiązania OCR PDF dla .NET Core. To API jest specjalnie zaprojektowane do rozpoznawania tekstu z zeskanowanych obrazów, zdjęć z telefonów komórkowych i zrzutów ekranu, zwracając wyniki w różnych formatach dokumentów. Nie tylko konwertuje obrazy na tekst, ale także tworzy przeszukiwalne PDF-y z zeskanowanych dokumentów i poprawia wszelkie błędy ortograficzne w rozpoznanym tekście, co czyni je jednym z najszybszych rozwiązań OCR PDF w C# dostępnych za jedyne 99 USD.
API zawiera klasę AsposeOcr, która oferuje wiele metod do operacji OCR. Szczególnie istotna jest metoda RecognizePdf(string, DocumentRecognitionSettings), która jest niezbędna do ekstrakcji tekstu z określonego dokumentu PDF. Klasa DocumentRecognitionSettings pozwala na dostosowanie procesu rozpoznawania, podczas gdy klasa RecognitionResult encapsulates the results of the recognition.
Możesz pobrać DLL API lub zainstalować je za pomocą NuGet:
PM> Install-Package Aspose.OCR
Kroki do OCR PDF i ekstrakcji tekstu w C#
Aby wykonać OCR na dokumentach PDF i ekstraktować rozpoznany tekst, wykonaj następujące kroki:
- Utwórz instancję klasy AsposeOcr.
- Zainicjalizuj obiekt klasy DocumentRecognitionSettings.
- Określ język dla OCR.
- Uzyskaj RecognitionResult wywołując metodę RecognizePdf(), przekazując ścieżkę do obrazu i obiekt DocumentRecognitionSettings.
- Przejdź przez listę RecognitionResult, aby wyświetlić zidentyfikowany tekst.
Oto przykład ilustrujący jak wykonać OCR na dokumentach PDF i ekstraktować rozpoznany tekst w C#:
OCR PDF i ekstrakcja tekstu z PDF w C#
Jak wykonać OCR na PDF i zapisać tekst w C#
Aby wykonać OCR na dokumentach PDF i zapisać rozpoznany tekst, wykonaj następujące kroki:
- Utwórz instancję klasy AsposeOcr.
- Zainicjalizuj obiekt klasy DocumentRecognitionSettings.
- Określ język dla OCR.
- Wywołaj metodę RecognizePdf(), aby uzyskać RecognitionResult.
- Zapisz tekst za pomocą metody SaveMultipageDocument(), która wymaga ścieżki do pliku wyjściowego, SaveFormat i obiektu RecognitionResult.
Oto przykład ilustrujący jak wykonać OCR na dokumentach PDF i zapisać rozpoznany tekst w C#:
Wykonaj OCR na PDF i zapisz tekst w C#
Konwersja OCR PDF do Word w C#
Aby przekonwertować zeskanowane dokumenty PDF na Word, wykonaj te same kroki, co wcześniej, ale określ SaveFormat.Docx w ostatnim kroku.
Oto przykład ilustrujący jak wykonać OCR PDF i zapisać rozpoznany tekst jako dokument Word w C#:
OCR PDF i konwersja zeskanowanego PDF do Word w C#
Konwersja OCR PDF do JSON w C#
Aby zapisać rozpoznany tekst z dokumentów PDF w pliku JSON, wykonaj poprzednie kroki z jedyną zmianą polegającą na określeniu SaveFormat.Json w ostatnim kroku.
Oto przykład ilustrujący jak wykonać OCR PDF i zapisać rozpoznany tekst jako plik JSON w C#:
Uzyskaj bezpłatną licencję do oceny
Możesz uzyskać bezpłatną tymczasową licencję, aby ocenić Aspose.OCR dla .NET API bez żadnych ograniczeń.
Podsumowanie
W tym samouczku nauczyliśmy się, jak wykonać OCR na dokumentach PDF i ekstraktować tekst z PDF w C#. Zbadaliśmy również, jak zapisać rozpoznany tekst jako plik TXT, DOCX i JSON. Aby uzyskać więcej informacji na temat Aspose.OCR dla .NET API, zapoznaj się z jego dokumentacją. Jeśli masz jakiekolwiek pytania, skontaktuj się z nami na naszym forum.
