哪种软件可用于PDF扫描，可以提取信息并发送到发票程序？

Question

我在一家公司当实习生，他们需要精确扫描PDF格式的发票。该程序，即java库，需要能够提取发票的某些部分，这样用户就不必手动重新键入信息。

要求：

• 它不能作为Windows应用程序运行
• 它需要运行在Linux服务器上。
• 它需要使用web接口运行，并与第三方解决方案集成。

我一直在尝试搜索，但只能找到基于用户交互的应用程序。

有什么建议吗？

如果问题中有什么不清楚，请问一问。

Answer 1

LEADTOOLS Linux SDK的Java中有一个OCR模块。(免责声明:我是该工具包供应商的雇员)。

如果您的发票具有适当的结构，您可以定义与您希望识别的每个字段对应的OCR区域：

OcrZone ocrZone = new OcrZone();
ocrZone.setBounds(demoData.zoneBounds);
ocrPage.getZones().add(ocrZone);

在调用ocrPage.recognize()开始OCR之前，可以对您希望识别的每个页面中的每个区域执行此操作。

另外，如果您希望自己尝试这一点，那么在Linux工具包这里的评估版中有一个以命令行控制台应用程序的形式实现的演示。

Answer 2

PDF.co网络API (随需应变)已经内置OCR并支持基于模板的文档提取。

下面是使用基于模板的提取(node.js)的源代码示例：

JavaScript中文档解析器API的节点使用PDF.co如何解析上传的文件

如果您感兴趣，我们很高兴为您提供一个免费的测试帐户！

免责声明:我为ByteScout工作。