当我从可搜索的 pdf 文件（使用 tesseract 命令创建）复制文本并将其粘贴到记事本中时，文本正在被更改答案

【问题标题】：text is being changed when i do copy it from searchable pdf file (created with tesseract command) and paste it in notepad当我从可搜索的 pdf 文件（使用 tesseract 命令创建）复制文本并将其粘贴到记事本中时，文本正在被更改
【发布时间】：2018-10-04 14:29:41
【问题描述】：

我通过在我的一张图片上运行以下命令创建了一个可搜索的 pdf 文件。

tesseract page.jpg test pdf --oem 1 --psm 5 -l urd

这是我已转换为可搜索 pdf 的图像。

图像包含乌尔都语文本，但是当我从新创建的 pdf 文件中复制它并将其粘贴到任何其他文本编辑器中时，这就是我得到的。

GehbFie”

请任何可以解决我的问题的 tesseract OCR 和编码专家，任何帮助将不胜感激，在此先感谢。

【问题讨论】：

您是否尝试过 LibreOffice Writer、Microsoft WordPad 或 Microsoft Word？
当然，我尝试了很多不同的编辑器（sublime、notepad、notepadd++、ms word、WordPad）但是每个编辑器的结果都是一样的，我认为是编码问题。跨度>
非常好的兄弟我很高兴你正在尝试 OCR 乌尔都语。你的进展如何？您是否尝试过 Google Vision API OCR（包括乌尔都语）。 cloud.google.com/vision

标签： pdf cmd ocr tesseract urdu

【解决方案1】：

pdf 是配置文件名。它需要在命令中排在最后，在 --oem --psm -l 等之后。

命令的正确格式如下。

tesseract page.jpg test --oem 1 --psm 5 -l urd pdf

我通过这种方式解决了我的问题。

【讨论】：

بہت اعلیٰ بھائی بہت خوشی ہوئی سن کر۔ ابھی اس کام میں آپ کو کہاں تک کامیابی ہوئی ہے۔ فوگل اوسی آر رہا ہوں بہت اعلیٰ ہے ۔ اس جیسی ٩وئی اور او سی آر اردو کے لیے میں نے نہیی آپ کا تجربہ کیسے ہے ضرور شیئر کریں جزاک اللہ