我需要从PDF中提取已使用OCR程序转换的文本。我是使用普通的PDFReader来获取文本,还是需要特殊处理?
发布于 2011-02-17 04:08:40
这取决于它是如何转变的。许多OCR应用程序以某种方式将文本放在图像下面。有些人会先把文本放下来,然后把图片放在最上面。有些人将图像放在底部,然后使用“不标记”传输模式将文本放在顶部。
我之所以提到这一点,是因为我无法预测任何特定的文本提取工具将如何响应透明文本。理论上,它应该只提供文本(这就是Acrobat所做的)。这是否会在所有的文本提取工具中发生,这是每个人的猜测。
发布于 2011-02-17 01:11:22
有许多商业SDK用于处理pdf文件。http://www.foxitsoftware.com/pdf/sdk/activex/,这里是福克斯。
https://stackoverflow.com/questions/5019611
复制相似问题