PDFを読む方法
PDFは「ポータブルドキュメントフォーマット」の略です。これはAdobeによって開発されたファイル形式で、作成に使用されたアプリケーションやプラットフォームに関係なく、元のドキュメントのフォント、画像、グラフィックス、およびレイアウトを保存します。 PDFファイルは、開くために使用されるソフトウェアやハードウェアに関係なく、文書を一貫したフォーマットで共有および表示するために一般的に使用されます。 IronOCRは、さまざまなバージョンのPDFドキュメントを容易に処理します。
IronOCRを始めましょう
今日から無料トライアルでIronOCRをあなたのプロジェクトで使い始めましょう。
PDFを読む方法
- PDFを読み取るためのC#ライブラリをダウンロード
- PDFドキュメントを読み取り用に準備する
- 構文を構築する OcrPdfInput (OCR PDF入力) PDFファイルパスを持つオブジェクト
- 利用する
読み取り「インポートされたPDFに対してOCRを実行するメソッド」 - 特定のページを読むには、ページのインデックスリストを提供します
PDF読み取りの例
IronTesseractクラスをインスタンス化してOCRを実行します。 次に、'using'ステートメントを使用して、PDFファイルのパスを渡してOcrPdfInputオブジェクトを作成します。 最後に、Readメソッドを使用してOCRを実行します。
:path=/static-assets/ocr/content-code-examples/how-to/input-pdfs-read-pdf.csusing IronOcr;
// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();
// Add PDF
using var pdfInput = new OcrPdfInput("Potter.pdf");
// Perform OCR
OcrResult ocrResult = ocrTesseract.Read(pdfInput);Imports IronOcr
' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()
' Add PDF
Private pdfInput = New OcrPdfInput("Potter.pdf")
' Perform OCR
Private ocrResult As OcrResult = ocrTesseract.Read(pdfInput)
ほとんどの場合、DPIプロパティを指定する必要はありません。 ただし、OcrPdfInputの構築において高いDPI数を提供することで、読み取り精度を向上させることができます。
PDFページの読み取り例
PDFドキュメントの特定のページを読み取る際、ユーザーはインポートするページのインデックス番号を指定できます。 これを行うには、OcrPdfInputを構築する際に、ページインデックスのリストをPageIndicesパラメーターに渡します。 ページインデックスはゼロベースの番号付けを使用していることに留意してください。
:path=/static-assets/ocr/content-code-examples/how-to/input-pdfs-read-pdf-pages.csusing IronOcr;
using System.Collections.Generic;
// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();
// Create page indices list
List<int> pageIndices = new List<int>() { 0, 2 };
// Add PDF
using var pdfInput = new OcrPdfInput("Potter.pdf", PageIndices: pageIndices);
// Perform OCR
OcrResult ocrResult = ocrTesseract.Read(pdfInput);Imports IronOcr
Imports System.Collections.Generic
' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()
' Create page indices list
Private pageIndices As New List(Of Integer)() From {0, 2}
' Add PDF
Private pdfInput = New OcrPdfInput("Potter.pdf", PageIndices:= pageIndices)
' Perform OCR
Private ocrResult As OcrResult = ocrTesseract.Read(pdfInput)スキャン領域の指定
読み取る範囲を絞り込むことで、読み取り効率を大幅に向上させることができます。 これを実現するには、読み取る必要のあるインポートされたPDFの正確な領域を指定できます。 以下のコード例では、IronOCRに章番号とタイトルのみを抽出するよう指示しました。
:path=/static-assets/ocr/content-code-examples/how-to/input-pdfs-read-specific-region.csusing IronOcr;
using IronSoftware.Drawing;
using System;
// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();
// Specify crop regions
Rectangle[] scanRegions = { new Rectangle(550, 100, 600, 300) };
// Add PDF
using (var pdfInput = new OcrPdfInput("Potter.pdf", ContentAreas: scanRegions))
{
// Perform OCR
OcrResult ocrResult = ocrTesseract.Read(pdfInput);
// Output the result to console
Console.WriteLine(ocrResult.Text);
}Imports IronOcr
Imports IronSoftware.Drawing
Imports System
' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()
' Specify crop regions
Private scanRegions() As Rectangle = { New Rectangle(550, 100, 600, 300) }
' Add PDF
Using pdfInput = New OcrPdfInput("Potter.pdf", ContentAreas:= scanRegions)
' Perform OCR
Dim ocrResult As OcrResult = ocrTesseract.Read(pdfInput)
' Output the result to console
Console.WriteLine(ocrResult.Text)
End UsingOCR結果
