從 PDF 中提取 OCR（免費線上工具）

Adobe Acrobat Pro

Adobe是最初開發PDF的公司。 他們提供快速且有效率的 OCR 引擎，可以編輯任何 PDF 文件。 它是市場上功能最強大的 OCR 引擎之一，如果您有很多 PDF 文件需要編輯，那麼 Adob​​e Acrobat DC 就是您應該購買的軟體。 該軟體的設計使其能夠非常精確地將任何基於文字的文件轉換為 PDF 格式。 它還使用自訂字體生成器保留了原始文件的字體。

讓我們看看如何使用 Adob​​e Acrobat 進行 PDF OCR：

• 在 Adob​​e Acrobat Pro DC 中開啟檔案。

• 點選右側窗格中的"編輯 PDF"選項。

  

• 它將利用其 OCR 功能將 PDF 文件轉換為可編輯的 PDF 文件。 現在，您可以輕鬆編輯文件中的任何文字並更改圖像文件。

  

• 您可以透過選擇"檔案 > 儲存為"並為新的 PDF 文件指定一個適當的名稱來儲存檔案。

您可以輕鬆地一次對多個掃描的PDF文件進行OCR識別。

塞伊達

Sejda 是一款支援 OCR 功能的 PDF 編輯軟體，可以託管在雲端，也可以作為桌面應用程式下載到 macOS、Windows 或 Linux 系統上。 Sejda 允許使用者壓縮、編輯、數位簽章、合併和填寫 PDF 檔案。 各種格式的文件，例如 JPEG 和 Excel 文件，都可以轉換為 PDF 文件。 同樣，PDF 文件也可以轉換成其他格式，例如 Word 和 PowerPoint 文件。 讓我們來看看如何使用 Sejda OCR 對 PDF 文件進行 OCR 識別。

• Open Sejda OCR website.

• 點擊"上傳 PDF 文件"按鈕上傳文件，或從您的電腦拖曳文件。 上傳完成後，您將看到上傳的檔案名稱。 選擇文檔語言。

  

• 選擇語言後，您需要選擇輸出格式。 您可以選擇"PDF"或"文字"。 設定輸出格式後，點選"識別所有頁面上的文字"按鈕。 它將開始提取文字。

  

• 處理完成後，您可以下載提取的文字。

  

SodaPDF

SodaPDF OCR 是一款免費的線上 OCR 軟體，可從圖片中擷取文字。 它是一款 PDF OCR 轉換工具，可將掃描文件、傳真和其他列印輸出轉換為可編輯文字、PDF 和可搜尋的 PDF。 SodaPDF OCR 最常見的用途是將掃描文件或傳真轉換為可編輯文件。 它是一款免費的線上OCR軟體。 所有上傳的文件都會在特定時間後自動從伺服器刪除。它具有多種功能，例如將 PDF 轉換為 Word，然後可以使用 Microsoft Word 開啟。

讓我們看看如何使用 SodaPDF 對 PDF 檔案進行 OCR 識別：

• Open the SodaPDF website.
• 點選"選擇檔案"按鈕，然後選擇要上傳的PDF文件。

• 上傳後，它會提供一個使用者介面，供您編輯 PDF 文字和圖像。 您可以使用"下載"按鈕下載檔案。

  

IronOCR： .NET OCR庫

IronOCR是一個功能強大的.NET Framework OCR 函式庫。 它提供了一個強大的 API 來處理文字和圖像，提供即時識別、欄位檢測和掃描 PDF 文件的光學字元辨識等功能。 IronPDF也可以編輯掃描文件。

IronOCR為開發者提供了在其應用程式中進行文字辨識的能力。 它可以用於各種用途，例如將掃描文件轉換為數位格式或識別圖像上的標題。 IronOCR .NET函式庫為IronOCR SDK 提供了一個易於使用的底層介面。 除此之外，它還包含一個影像處理流程，可以自動處理低 DPI 影像並從 PDF 文件中提取文字。

讓我們看看如何使用 OCR 工具對 PDF 檔案進行 OCR 識別：

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the entire PDF document for OCR processing
    Input.AddPdf("example.pdf", "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the entire PDF document for OCR processing
    Input.AddPdf("example.pdf", "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add specific pages of the PDF document for OCR processing
    Input.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add specific pages of the PDF document for OCR processing
    Input.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the PDF for processing and specify the password if any
    Input.AddPdf("scan.pdf", "password");

    // Correct twisted or skewed pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    // Save the processed result as a searchable PDF
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the PDF for processing and specify the password if any
    Input.AddPdf("scan.pdf", "password");

    // Correct twisted or skewed pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    // Save the processed result as a searchable PDF
    Result.SaveAsSearchablePdf("searchable.pdf");
}

結論

我們探索了一些優秀的用於執行光學字元辨識的軟體工具。 這些工具可讓您以程式設計方式識別文字並建立可搜尋和可編輯的 PDF。

如果使用.NET Framework進行編程，我們建議使用IronOCR 。 IronOCR讓您可以輕鬆地在.NET Framework中執行 OCR； 它功能強大，即使原始文件已損壞或變形（例如因水漬而損壞），也可以輕鬆使用。

另一個應用場景是將先前手動填寫的紙本表格（如發票和銷售收據）轉換為數位版本。 這樣一來，會計軟體就可以自動處理這些文件，從而提高準確性和效率。