将扫描的pdf文件转换为文本可搜索的pdf文件

Question

我想将扫描的pdf文件转换为可文本搜索的pdf文件。我想给出一个输入作为扫描的PDF，然后我的预期输出是可搜索的PDF。

有几个工具，给我们的文本作为输出从扫描的pdf文件，但我想文本可搜索的pdf文件作为输出，而不仅仅是文本。

我搜索了一下，找到了一个解决方案here，但我的生产服务器是亚马逊centos，这个工具的安装只适用于ubuntu，不适用于亚马逊centos。

如果需要的话，我已经准备好付款了。请帮助我给任何开放源代码的网络api或付费网络api服务的链接，或任何工具，可以转换为文本搜索的pdf文件。

我在我的web应用程序中使用PHP语言。

Answer 1

有几个商业web API服务可以将扫描的PDF (或扫描的图像)转换为可搜索的PDF。在这些中，我建议尝试一下ABBYY's Cloud OCR SDK。他们已经在OCR领域工作了几十年，并使用自己的OCR引擎，根据我的观察和从其他人那里听到的情况，OCR引擎往往比基于其他技术(例如Tesseract)的API提供更好的OCR结果。