【发布时间】：2015-03-28 03:36:48
【问题描述】：
给定一个带有电气接线图的 PDF：
我必须通读并配置软件，以匹配放置在各个紧急停止电路上的特定电机的接线。在实践中，电路的开头总是在同一页上（打印页，而不是 pdf 页码）。
我想要的是一些指向我需要去的方向的指针，以便能够跟踪电线并沿着每条电线制作一个组件列表，以构建电路。我知道这涉及字符识别，我猜是“图像”识别？能够顺势而为。
一个电路的示例位于：'2012101'（表示控制面板 20。第 121 页。第 01 行）PBL2012101 -> CR2012103
然后下一个电路：COS800-1 -> COS800-2 -> ... -> COS804 -> CR2012133
这些单独的节点有一个标准的外观，一个例外是，如果电路要继续超过该页面的末尾（这只是页面的左半部分），它将转到一个框，指示电路继续的位置就像第 01 行的 PushButtonLight -> [2014263] 一样。
所以我知道，基本上我需要从 pdf 中解析什么，但我在开始时遇到了麻烦。我发现了很多关于阅读字符的结果，但通常讨论的内容是阅读一本书的页面。有人可以建议一个库（因为我认为这将涉及构建一些自定义工具）或其他参考来帮助我吗？
编辑下午 5:02 - 2015 年 3 月 28 日
这里是基于原理图中绘制的电路编写的一些示例代码的链接（尽管我给出的原理图示例是针对同一系统上的不同控制面板）http://pastebin.com/uhMcVJv8
通常我会打开一个 Excel 表并记下每个控制继电器电路 (CR...) 的拉线 (COS...) 和按钮 (PB...)
接下来我将查看此页面：
其中显示了每个电路上的电机 - 例如，按照第一行 CR2012133 上的最后一个继电器转到第 151 页第 00 行 [20.151.00] 然后我放入同一个 Excel 表（在配置代码示例中的结构）这些电机：MTR800 MTR802 ... MTR805A
我正在一个可以访问 Visual Studio 2008 和 2012 的 Windows 系统上进行开发，此外我还安装了 MinGW 库。
【问题讨论】：
-
请提供示例文档并描述您的开发环境。 有人可以推荐一个图书馆 - 严格来说，这些推荐是这里的主题。
-
如果不付出很多努力，您将无法做到，我的意思是几个月的工作，在 PDF 中仅提取文本是一个挑战，现在想象一下理解线条来构建原理图，如果你所有的图纸都是一样的，你可以只阅读文本并通过位置推断连接到什么。
-
.. 例如：如果绘图软件通过绘制单个线段来创建这些虚线怎么办？ 也许可以通过将自己限制为一种由单个应用程序创建的 PDF，因此（尽可能）可以预测哪种信息是如何编码的。
-
我明白要让它变得健壮需要相当多的工作，但正如你提到的那样，图纸确实有一些标准，例如 EStop 电路总是从第 121 页开始。我们确实有一个已经提取文本信息的过程，然后将其输入到 SQL 表中，但是我只看到了这个结果，而不是实际的方法。该表包含
wire_number、from_point和to_point。我花了几个小时试图找出方法来查看电路从该表开始和停止的位置。我无法区分控制继电器命令和其他问题 -
@AChrapko 只要您不提供具有代表性的示例文档，您只能被告知一般来说您的任务非常复杂。示例可能表明，在您的情况下，PDF 内容更容易解释，因此会产生帮助您的提示；或者它可能表明您确实应该出于复杂性原因放弃该任务。
标签： pdf image-processing computer-vision ocr