.net 的 tesseract OCR 是否适用于 pdf 文件？答案

【问题标题】：Does tesseract OCR for .net works with pdf files?.net 的 tesseract OCR 是否适用于 pdf 文件？
【发布时间】：2016-12-27 08:03:02
【问题描述】：

我想对 png 和 pdf 文件执行 OCR。我可以让 Tesseract 3.0.2 .net 包装器为 png 文件工作，但我在其中找不到任何用于 PDf 文件的类。所以，它适用于pdf 文件。如果没有，请告诉我任何其他用于扫描 pdf 的开源库。我的要求是扫描特定圈子的 pdf 中的图表，并为这些圈子创建超链接。

【问题讨论】：

您可以将这些 pdf 文件转换为图像，然后使用 Tesseract。有一些像 Nuance 这样的商业库可以处理 pdf 文件；但价格相当高。
您可以使用 ghostscript 免费将 pdf 转换为 png。几个小时后我会在我的办公桌前分享我的实现。我是从另一个 SO 帖子中找到的。
你试过 PDFBox 来解析 pdf 吗？免费 PDFBox ?

标签： c# pdf ocr tesseract

【解决方案1】：

不，它没有。您必须先从 pdf 中提取图像。这可以按照 Zakk Diaz 的建议使用 pdfimages pdfimages.exe -j your.pdf 或 gs 来完成。

【讨论】：