如何对PDF进行光学字符识别教程（免费在线工具）

OCR 或光学字符识别是将文本信息转换为数字形式的过程。PDF OCR 是一种流行的应用程序，可用于改进业务流程。PDF OCR 的好处之一是可以用来提高信息的可访问性。这对于不是每个人都能使用或阅读的格式的文档尤为重要。PDF OCR 可用于生成每个人都能使用的格式的文档副本。

PDF OCR 的另一个用途是跟踪文档。当文档被归档、扫描或转录时，很难跟踪哪个版本的文档与哪个文件相关联。有了 PDF OCR，就可以跟踪对文档所做的更改，并确定哪个版本与哪个文件相关联。这对于管理文件档案和防止丢失重要信息非常有用。

在本文中，您将了解如何使用 Adobe Acrobat Pro 软件对任何 PDF 文件使用 OCR。本文还将介绍.NET OCR 库 IronOCR，它是目前最高效、功能最丰富的库之一。让我们从 Adobe Acrobat Pro 开始。

使用 Adobe Acrobat Pro DC 对 PDF 进行 OCR 识别

Adobe Acrobat Pro DC 是 Adobe Acrobat Reader DC 的专业版。它是最流行、功能最强大的 PDF 操作工具。有了这款软件，你可以创建、编辑、签署和审阅任何 PDF 文档。此外，它还能将 PDF 转换为 PowerPoint 演示文稿、Word 文档或 Excel 文件。它还可以编辑扫描文档。

新版 Acrobat DC 还是一款文档扫描仪，可以使用 OCR 技术将扫描文档快速转化为数字文件。它具有光学字符识别功能和智能名片扫描功能，可在几秒钟内自动检测并保存名片上的联系信息。

除了能从 PDF 文件中提取文本外，Acrobat Pro DC 还具有许多功能，使其成为 PDF 转录的重要工具。

让我们看看如何使用 Adobe Acrobat Pro 对扫描文档进行 OCR 识别。

• 在 Adobe Acrobat 中打开所需的 PDF 文档，例如扫描的 PDF 文件。
• 从文件右侧窗格中选择 "编辑 PDF"。

• 这将打开 Adobe Reader OCR PDF 工具的界面。

• 点击顶部功能区的 "编辑 "按钮。

• 这将把扫描的 PDF 文档转换为完全可编辑的 PDF 文档。你可以编辑 PDF 文件本身的文本和图像文件。

• 您还可以更改文本块位置、文本字体等。

进行任何更改后，保存文件，您就可以在文档中看到这些更改。

IronOCR：.NET OCR 库

IronOCR 是一个 .NET OCR 库和 OCR 工具，可通过将文本文档和图像转换为机器可读格式来读取它们。

开发该光学字符识别库时考虑了以下因素：

• 需要一个强大而准确的光学字符识别引擎，该引擎可用于不同语言，无需任何外部软件。

• 需要一个易于使用的应用程序接口，可在 Windows、Linux 和 macOS 等不同平台上运行。

• 需要一个可以轻松集成到各种 .NET 应用程序中并支持 WPF 和控制台应用程序的 OCR 引擎。

IronOCR 可使开发人员更轻松地创建支持扫描文档、提取文本和元数据、为扫描的图像文件编制索引、将图像转换为可搜索的 PDF 以及将扫描文档转换为可读文本的软件。IronOCR 在编码、图像格式转换以及文本识别和提取方面提供了大量选项。IronOCR 支持 125 种语言。

IronOCR 提供直观、强大和准确的 OCR 流程，可识别扫描文档、照片和屏幕截图中的文本，同时减少页面分割和布局分析等耗时的任务。该库使用 C# 开发，其 API 设计简单明了，具有良好的可读性。

让我们来看看使用 IronOCR 的一些代码示例：

代码示例

using IronOcr;

var Ocr = new IronTesseract();

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");

    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

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");

    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

Imports IronOcr

Private Ocr = New IronTesseract()

Using Input = New OcrInput()
	' OCR entire document
	Input.AddPdf("example.pdf", "password")

	' Alternatively OCR selected page numbers
	Input.AddPdfPages("example.pdf", { 1, 2, 3 }, "password")

	Dim Result = Ocr.Read(Input)
	Console.WriteLine(Result.Text)
End Using

IronOCR 可让你选择对整个 PDF 文档或 PDF 文件的某些选定页面范围进行 OCR 识别。

PDF 文件（输入）

控制台输出

你可以使用 IronOCR 将 PDF 转换为可选择的 PDF；这非常简单直接。请看下面的 PDF 转换代码片段：

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf","password");

    // clean up twisted pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    Input.AddPdf("scan.pdf","password");

    // clean up twisted pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    Result.SaveAsSearchablePdf("searchable.pdf");
}

Imports IronOcr

Private Ocr = New IronTesseract()

Using Input = New OcrInput()
	Input.AddPdf("scan.pdf","password")

	' clean up twisted pages
	Input.Deskew()

	Dim Result = Ocr.Read(Input)
	Result.SaveAsSearchablePdf("searchable.pdf")
End Using

IronOCR 还提供许多其他工具和功能。您可以访问以下网站了解 IronOCR 的功能 链接.

结论

与市场上的其他库相比，IronOCR 库具有多项优势。只需几行代码，您就可以通过添加自己的模块来修改和扩展其功能。IronOCR 目前可读取 125 种以上语言的文本。与其他库相比，IronOCR 的开发目的是产生更高质量、更可靠的结果，同时消耗更少的时间和内存资源。

IronOCR 的开发是免费的。IronOCR 还提供 免费试用 用于生产测试。有关 IronOCR 定价和免费试用的详细信息，请访问 链接.