IronOCR ile Büyük PDF Dosyalarını İşleme

1. Sayfa Sayısını Alın

Kaç sayfa olduğunu öğrenmek için belgeyi IronPdf.PdfDocument (veya herhangi bir PDF kütüphanesi) ile açın.

using var pdf = IronPdf.PdfDocument.FromFile(pdfPath);
var pageCount = pdf.PageCount;

using var pdf = IronPdf.PdfDocument.FromFile(pdfPath);
var pageCount = pdf.PageCount;

Imports IronPdf

Using pdf = IronPdf.PdfDocument.FromFile(pdfPath)
    Dim pageCount = pdf.PageCount
End Using

2. Her seferinde bir sayfa yükleyin

Sayfalar boyunca döngü yapın ve her birini ayrı ayrı OcrInput.LoadPdfPage("file.pdf", pageIndex, dpi) ile yükleyin. Görsel kalite korunuyorsa, belleği korumak için DPI'yı 80 kadar düşürün.

3. Oku ve Birleştir

Her tek sayfalık girdiyi IronTesseract.Read()'a iletin ve sonucu StringBuilder'a ekleyin.

var ocr = new IronTesseract();
var pdfPath = "large.pdf";
using var pdf = IronPdf.PdfDocument.FromFile(pdfPath);
var pageCount = pdf.PageCount;
var textBuilder = new StringBuilder();
for (int i = 0; i < pageCount; i++)
{
    using var input = new OcrInput();
    input.LoadPdfPage(pdfPath, i, 80);
    var result = ocr.Read(input);
    textBuilder.Append(result.Text);
    textBuilder.Append(' '); // Add space between pages
}
Console.WriteLine(textBuilder.ToString().Trim());

var ocr = new IronTesseract();
var pdfPath = "large.pdf";
using var pdf = IronPdf.PdfDocument.FromFile(pdfPath);
var pageCount = pdf.PageCount;
var textBuilder = new StringBuilder();
for (int i = 0; i < pageCount; i++)
{
    using var input = new OcrInput();
    input.LoadPdfPage(pdfPath, i, 80);
    var result = ocr.Read(input);
    textBuilder.Append(result.Text);
    textBuilder.Append(' '); // Add space between pages
}
Console.WriteLine(textBuilder.ToString().Trim());

Imports IronOcr
Imports IronPdf
Imports System.Text

Dim ocr As New IronTesseract()
Dim pdfPath As String = "large.pdf"
Using pdf = PdfDocument.FromFile(pdfPath)
    Dim pageCount As Integer = pdf.PageCount
    Dim textBuilder As New StringBuilder()
    For i As Integer = 0 To pageCount - 1
        Using input As New OcrInput()
            input.LoadPdfPage(pdfPath, i, 80)
            Dim result = ocr.Read(input)
            textBuilder.Append(result.Text)
            textBuilder.Append(" ") ' Add space between pages
        End Using
    Next
    Console.WriteLine(textBuilder.ToString().Trim())
End Using

Her OcrInput üzerindeki using, bir sonraki yinelemeden önce sayfanın görüntü verilerini serbest bırakır, bu yüzden bellek sayfa sayısıyla büyümek yerine döngü boyunca sabit kalır.

Seçenek: Önce PDF'yi Sıkıştırın

Çok karmaşık veya görüntü ağırlıklı dosyalar için, sayfa bazlı döngü hala zorlanabilir. IronPDF'nin Sıkıştırma API'sini kullanarak PDF'yi OCR'dan önce sıkıştırın, böylece IronOCR'nin işlemesi gereken görüntü verisi azalır. Bu, taranmış veya görüntü ağırlıklı belgelerde en çok fayda sağlar.

Doğrudan bir akışa sıkıştırın, ardından o akışı OcrInput'a yükleyin:

var pdf = PdfDocument.FromFile(pdfPath);
var stream = pdf.CompressPdfToStream(CompressStructTree: true);
var ocrTesseract = new IronTesseract();
using var ocrInput = new OcrInput();
ocrInput.LoadPdfPage(stream, 1);

var pdf = PdfDocument.FromFile(pdfPath);
var stream = pdf.CompressPdfToStream(CompressStructTree: true);
var ocrTesseract = new IronTesseract();
using var ocrInput = new OcrInput();
ocrInput.LoadPdfPage(stream, 1);

Imports IronTesseract

Dim pdf = PdfDocument.FromFile(pdfPath)
Dim stream = pdf.CompressPdfToStream(CompressStructTree:=True)
Dim ocrTesseract = New IronTesseract()
Using ocrInput As New OcrInput()
    ocrInput.LoadPdfPage(stream, 1)
End Using

Bir PDF gömülü görüntüler içerdiğinde, veriyi daha fazla küçültmek için sıkıştırma sırasında JpegQuality'ı düşürün:

var pdf = PdfDocument.FromFile(@"D:\hugePdf.pdf");
var stream = pdf.CompressPdfToStream(JpegQuality: 75, CompressStructTree: true);

var pdf = PdfDocument.FromFile(@"D:\hugePdf.pdf");
var stream = pdf.CompressPdfToStream(JpegQuality: 75, CompressStructTree: true);

Imports System

Dim pdf = PdfDocument.FromFile("D:\hugePdf.pdf")
Dim stream = pdf.CompressPdfToStream(JpegQuality:=75, CompressStructTree:=True)