快速入手光学字符识别控件Aspose.OCR！如何从PDF中提取文本

旧城等待， 2023-09-27 22:37 178阅读 0赞

Aspose.OCR是一款字符识别组件，它使得开发人员可以添加OCR功能到他们的ASP.NET Web应用程序、web服务和windows应用程序中。它提供了一个简单的类集用于控制字符识别。Aspose.OCR目的是为那些需要在他们自己的应用程序中使用图像（BMP和TIFF）的开发人员提供需求。它允许开发人员快速而简单的从图像中提取文本，并节省了从头开发一个OCR解决方案的时间和精力。

Aspose API支持流行文件格式处理，并允许将各类文档导出或转换为固定布局文件格式和最常用的图像/多媒体格

[Aspose.OCR 最新下载（qun：761297826）![icon-default.png?t=N3I4][icon-default.png_t_N3I4]https://www.evget.com/product/2884/download][Aspose.OCR _qun_761297826_icon-default.png_t_N3I4_icon-default.png_t_N3I4_https_www.evget.com_product_2884_download]

PDF 文件是最常见的业务文档之一。在某些情况下，我们可能需要以编程方式阅读扫描的PDF文档。从扫描的PDF文件中提取文本的困难导致了工具的开发，这些工具可以更轻松地从此类PDF文档中阅读和检索文本。根据文档的内容，出于多种原因，从 PDF 文件中提取文本可能很有用。在本文中，我们将学习如何在C\#中对PDF文档进行OCR并从PDF中提取文本。

**OCR PDF 到文本 C\# API**

我们将使用 Aspose.OCR for .NET API 对 PDF 文档执行 OCR。它可以识别扫描的图像，智能手机照片，屏幕截图和图像区域。API 以最流行的文档和数据交换格式返回识别的文本结果。除了将图像转换为文本外，API 还可以根据扫描创建可搜索的 PDF。此外，它能够自动更正已识别文本中的拼写错误。

该 API 提供了 AsposeOcr 类，该类提供了执行 OCR 操作的各种方法。它提供了RecognizePdf（字符串，DocumentRecognitionSettings）方法来识别所提供的PDF文档中的文本。API 的 DocumentRecognitionSettings 类提供 PDF 识别过程的设置。类表示图像识别的结果。

**OCR PDF 和从 C 语言的 PDF 中提取文本**

我们可以对PDF文档执行OCR，并按照以下步骤提取识别的文本：

1.  首先，创建 AsposeOcr 类的实例。
2.  接下来，初始化 DocumentRecognitionSettings 类的对象。
3.  然后，指定要用于 OCR 的语言。
4.  之后，通过调用 RecognizePdf（） 方法获取 RecognitionResult。它采用图像路径和文档识别设置对象作为参数。
5.  最后，循环浏览识别结果列表并显示标识的文本。

以下示例代码演示如何在 C\# 中对 PDF 文档进行 OCR 和提取识别的文本。

>     // This code example demonstrates how to OCR PDF documents and extract the recognized text.
>     // Initialize the PCR engine
>     AsposeOcr recognitionEngine = new AsposeOcr();
>     
>     // Initialize recognition settings
>     DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
>     
>     // Specify language for OCR. Multi-language by default
>     recognitionSettings.Language = Language.Eng;
>     
>     // Recognize text from PDF
>     List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
>     
>     // Show the recognized text
>     foreach (RecognitionResult result in results)
>     {
>     Console.WriteLine(result.RecognitionText);
>     }

![f9d55512070aa1ff7b1e4b1a7a92b9ec.jpeg][]

**对 PDF 执行 OCR 并将文本保存在 C 语言中**

我们可以对PDF文档执行OCR，并按照以下步骤保存识别的文本：

1.  首先，创建 AsposeOcr 类的实例。
2.  接下来，初始化 DocumentRecognitionSettings 类的对象。
3.  然后，指定要用于 OCR 的语言。
4.  之后，调用 RecognizePdf（） 方法来获取 RecognitionResult。它采用图像路径和文档识别设置对象作为参数。
5.  最后，使用 SaveMultipageDocument（） 方法保存文本。它采用输出文件路径、SaveFormat 和 RecognitionResult 对象作为参数。

以下示例代码演示如何对 PDF 文档进行 OCR 并将识别的文本保存在 C\# 中。

>     // This code example demonstrates how to OCR PDF documents and extract the recognized text.
>     // Initialize the PCR engine
>     AsposeOcr recognitionEngine = new AsposeOcr();
>     
>     // Initialize recognition settings
>     DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
>     
>     // Specify language for OCR. Multi-language by default
>     recognitionSettings.Language = Language.Eng;
>     
>     // Recognize text from PDF
>     List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
>     
>     // Save the recognized text
>     AsposeOcr.SaveMultipageDocument("C:\\Files\\OCR_result.txt", SaveFormat.Text, results);

![c50c417fa16f66343564f3b72f4bc658.jpeg][]

**OCR PDF 和将扫描的 PDF 转换为 C 语言中的单词**

我们可以对扫描的PDF文档执行OCR，并按照前面提到的步骤将识别的文本保存在Word文档中。但是，我们只需要在最后一步中指定 SaveFormat.Docx。

下面的示例代码演示如何在 C\# 中对 PDF 进行 OCR PDF 并将识别的文本另存为 Word 文档。

>     // This code example demonstrates how to OCR PDF documents and save the recognized text as DOCX.
>     // Initialize the PCR engine
>     AsposeOcr recognitionEngine = new AsposeOcr();
>     
>     // Initialize recognition settings
>     DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
>     
>     // Specify language for OCR. Multi-language by default
>     recognitionSettings.Language = Language.Eng;
>     
>     // Recognize text from PDF
>     List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
>     
>     // Save the recognized text as DOCX
>     AsposeOcr.SaveMultipageDocument("C:\\Files\\OCR_result.docx", SaveFormat.Docx, results);

![fc8888849a9a3c830979f955a69a744e.jpeg][]

**OCR PDF 和 将 PDF 转换为 JSON 语言**

我们可以对 PDF 文档执行 OCR，并按照前面提到的步骤将识别的文本保存在 JSON 文件中。但是，我们只需要在最后一步中指定 SaveFormat.Json。

以下示例代码演示如何在 C\# 中对 PDF 进行 OCR PDF 并将识别的文本另存为 JSON 文件。

>     // This code example demonstrates how to OCR PDF documents and save the recognized text as JSON.
>     // Initialize the PCR engine
>     AsposeOcr recognitionEngine = new AsposeOcr();
>     
>     // Initialize recognition settings
>     DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
>     
>     // Specify language for OCR. Multi-language by default
>     recognitionSettings.Language = Language.Eng;
>     
>     // Recognize text from PDF
>     List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
>     
>     // Save the recognized text as JSON
>     AsposeOcr.SaveMultipageDocument("C:\\Files\\OCR_result.json", SaveFormat.Json, results);

以上便是如何对 PDF 文档执行 OCR 以及如何在 C\# 中从 PDF 中提取文本的详细步骤，希望能帮到您。

[icon-default.png_t_N3I4]: https://csdnimg.cn/release/blog_editor_html/release2.2.5/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N3I4
[Aspose.OCR _qun_761297826_icon-default.png_t_N3I4_icon-default.png_t_N3I4_https_www.evget.com_product_2884_download]: https://www.evget.com/product/2884/download
[f9d55512070aa1ff7b1e4b1a7a92b9ec.jpeg]: https://img-blog.csdnimg.cn/img_convert/f9d55512070aa1ff7b1e4b1a7a92b9ec.jpeg
[c50c417fa16f66343564f3b72f4bc658.jpeg]: https://img-blog.csdnimg.cn/img_convert/c50c417fa16f66343564f3b72f4bc658.jpeg
[fc8888849a9a3c830979f955a69a744e.jpeg]: https://img-blog.csdnimg.cn/img_convert/fc8888849a9a3c830979f955a69a744e.jpeg