如何對 PDF 進行 OCR 教學（免費線上工具）

使用 Adob​​e Acrobat Pro DC 對 PDF 檔案進行 OCR 識別

Adobe Acrobat Pro DC 是 Adob​​e Acrobat Reader DC 的專業版。 它是最受歡迎、功能最強大的PDF處理工具。 使用這款軟體，您可以建立、編輯、簽署和審查任何 PDF 文件。 此外，它還可以將 PDF 文件轉換為 PowerPoint 簡報、Word 文件或 Excel 文件。 它還可以編輯掃描文件。

新版 Acrobat DC 還具備文件掃描功能，可利用 OCR 技術快速將掃描文件轉換為數位檔案。 它具備光學字元辨識功能以及智慧名片掃描功能，可在幾秒鐘內自動偵測並保存名片上的聯絡資訊。

除了能夠從 PDF 檔案中提取文字外，Acrobat Pro DC 還具有許多功能，使其成為 PDF 轉錄的寶貴工具。

讓我們看看如何使用 Adob​​e Acrobat Pro 對掃描文件進行 OCR 識別。

• 在 Adob​​e Acrobat 中開啟所需的 PDF 文檔，在本例中為掃描的 PDF 文件。
• 從文件右側窗格中選擇"編輯 PDF"。

這將開啟 Adob​​e Reader OCR PDF 工具的介面。

• 點選頂部功能區上的"編輯"按鈕。
• 這會將掃描的 PDF 文件轉換為完全可編輯的 PDF 文件。 您將能夠直接在 PDF 文件上編輯文字和圖像文件。

• 您也可以變更文字區塊位置、文字字體等。

修改完成後，儲存文件，即可在文件中看到這些變更。

IronOCR：一個.NET OCR 庫

IronOCR是一個.NET OCR 庫和 OCR 工具，它可以將文字檔案和圖像轉換為機器可讀格式來讀取它們。

此光學字元辨識庫的開發主要考慮了以下幾點：

• 需要一款強大且精確的 OCR 引擎，能夠與不同語言一起使用，而無需任何外部軟體。
• 需要一個易於使用的 API，能夠在 Windows、Linux 和 macOS 等不同平台上運作。
• 需要一款能夠輕鬆整合到各種.NET應用程式並同時支援 WPF 和控制台應用程式的 OCR 引擎。

IronOCR使開發人員更容易建立支援掃描文件、提取文字和元資料、索引掃描影像檔案、將影像轉換為可搜尋的 PDF 以及將掃描文件轉換為可讀文字的軟體。 IronOCR在編碼、圖像格式轉換以及文字辨識和擷取方面提供了許多選項。 IronOCR支援 125 種語言。

IronOCR提供直覺、強大且準確的 OCR 流程，可識別掃描文件、照片和螢幕截圖中的文本，同時減少頁面分割和佈局分析等耗時任務。 該函式庫是用 C# 開發的，其 API 設計簡潔明了，可讀性良好。

讓我們來看看一些使用IronOCR 的程式碼範例：

using IronOcr;

var Ocr = new IronTesseract();

// Initialize OCR input
using (var Input = new OcrInput())
{
    // OCR entire document
    Input.AddPdf("example.pdf", "password");

    // Alternatively, OCR selected page numbers
    Input.AddPdfPages("example.pdf", new[] { 1, 2, 3 }, "password");

    // Read the PDF and output the recognized text
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

// Initialize OCR input
using (var Input = new OcrInput())
{
    // OCR entire document
    Input.AddPdf("example.pdf", "password");

    // Alternatively, OCR selected page numbers
    Input.AddPdfPages("example.pdf", new[] { 1, 2, 3 }, "password");

    // Read the PDF and output the recognized text
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

PDF 檔案(輸入)

控制台輸出

您可以使用IronOCR將 PDF 轉換為可選擇的 PDF。 它非常簡單明了。 請參考下方PDF轉換的程式碼片段：

using IronOcr;

var Ocr = new IronTesseract();

// Initialize OCR input
using (var Input = new OcrInput())
{
    // Add PDF for processing
    Input.AddPdf("scan.pdf", "password");

    // Clean up twisted pages to improve OCR results
    Input.Deskew();

    // Run OCR and save as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

var Ocr = new IronTesseract();

// Initialize OCR input
using (var Input = new OcrInput())
{
    // Add PDF for processing
    Input.AddPdf("scan.pdf", "password");

    // Clean up twisted pages to improve OCR results
    Input.Deskew();

    // Run OCR and save as a searchable PDF
    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

$vbLabelText   $csharpLabel

IronOCR還提供許多其他工具和功能。 您可以透過造訪以下連結來探索IronOCR 的功能。

結論

IronOCR庫相比市面上其他庫具有以下幾個優勢。 您只需幾行程式碼即可添加自己的模組，從而修改和擴展其功能。 IronOCR目前可以讀取超過125種語言的文字。 與其他函式庫相比，它的開發目標是在消耗更少的時間和記憶體資源的同時，產生更高品質、更可靠的結果。

IronOCR可免費用於開發。 IronOCR也提供免費試用版，供生產環境測試。 有關IronOCR的定價和免費試用詳情，請點擊連結。