从 PDF 提取 OCR（免费在线工具）

Adobe Acrobat Pro

Adobe是最早开发PDF的公司。 他们提供了一种快速、高效的OCR引擎，能够编辑任何您投放的PDF文档。 它是市场上最强大的OCR引擎之一，如果您有大量的PDF需要编辑，Adobe Acrobat DC是您应该购买的。 该软件设计得如此精确，可以将任何文本为基础的文档转换为PDF格式，并且精度极高。 它还通过其自定义字体生成器保留了原始文档的字体。

让我们看看如何使用Adobe Acrobat进行PDF OCR：

• 在Adobe Acrobat Pro DC中打开文件。

• 点击右侧窗格的"编辑PDF"选项。

  

• 它将使用其OCR功能将PDF文件转换为可编辑的PDF。

• 现在，您可以轻松编辑任何文本并更改文档中的图像文件。

  

• 您可以通过选择"文件 > 另存为"并为新PDF文档命名来保存文件。

您可以一次轻松地对多个扫描的PDF文档进行OCR。

Sejda

Sejda是一款支持OCR功能的PDF编辑软件，可以在云端托管或下载为macOS、Windows或Linux的桌面应用程序。 Sejda允许用户压缩、编辑、数字签名、合并和填写PDF文件。 各种格式的文件，包括JPEG和Excel，均可转换为PDF。 PDF同样也可以转换为其他格式，如Word和PowerPoint文件。 让我们看看如何使用Sejda OCR对PDF文档进行OCR。

• Open Sejda OCR website.
• 点击"上传PDF文件"按钮上传文件，或将文件从您的计算机中拖放。

• 上传后，您将看到上传的文件名。 选择文档的语言。

  

• 选择语言后，您需要选择输出格式。 您可以选择"PDF"或"文本"。 设置输出格式后，点击"识别所有页面上的文本"按钮。 它将开始提取文本。

  

• 完成后，您可以下载提取的文本。

  

SodaPDF

SodaPDF OCR是免费的在线OCR软件，可以从图像中提取文本。 它是一种PDF OCR转换工具，可以将扫描的文档、传真及其他打印件转换为可编辑的文本、PDF和可搜索的PDF。 SodaPDF OCR最常见的用途是将扫描的文档或传真转换为可编辑文件。 它是免费的在线OCR软件。 所有上传的文档在特定时间后会从服务器自动删除。它具有多种功能，比如将PDF转换成Word，然后就可以使用Microsoft Word打开。

让我们看看如何使用SodaPDF对PDF进行OCR：

• Open the SodaPDF website.
• 点击"选择文件"按钮并选择要上传的PDF文档。

• 上传后，它将为您提供一个用户界面以便编辑PDF文本和图像。 您可以使用下载按钮下载文件。

  

IronOCR：.NET OCR库

IronOCR是.NET Framework中的一个强大的OCR库。 它提供了一个强大的API来处理文本和图像，具备实时识别、字段检测和扫描PDF文件的光学字符识别等功能。 IronPDF也可以编辑扫描文档。

IronOCR使开发人员可以在他们的应用程序中实现文本识别的功能。 它可以用于各种用途，比如将扫描的文档转换为数字格式或识别图像上的字幕。 IronOCR .NET库提供了一个易用的低级接口给IronOCR SDK。 除此之外，它包括一个图像处理管道，可以自动处理低DPI图像并从PDF文档中提取文本。

让我们看看如何使用OCR工具对PDF文件进行OCR。

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");
}

结论

我们探讨了一些用于执行光学字符识别的优秀软件工具。 这些工具允许您通过编程识别文本并创建可搜索和可编辑的PDF。

如果在.NET Framework中编写程序，IronOCR是我们的推荐。 IronOCR使您可以轻松在.NET Framework中执行OCR； 它功能强大，即便原始文档已被损坏或扭曲，例如受水损，也能轻松使用。

另一个用例是将旧的手填写的纸质表格，如发票和销售收据，转换为数字版本。 这让这些文档可以被会计软件自动处理，从而提高准确性和效率。