我对一些pdf文件有问题。我需要将它们转换为jpg图像，使它们可用于OCR，但当我转换其中的一些，魔杖转我的jpg在那里有一个黑色的背景文本。我看到这是一个关于空间颜色的常见问题。这似乎发生在word转换为pdf文件的文件中，其中空间颜色变成了CMYK。Tesseract OCR仅接受空间颜色RGB。我已经写了一个可以转换的python脚本，但我想解决这个问题。你能帮我一下吗？原页pdf ? 已将pdf转换为jpg
浏览 51提问于2019-04-22得票数 1
回答已采纳
1回答
在PDF中用python执行OCR有可能吗？我正在尝试构建一个程序，从每一个PDF表格中提取一些信息，比如Autodesk BIM360所做的事情。
浏览 6提问于2022-05-26得票数 -2
我使用ScanSnap S1500M将所有纸质文档扫描到/PDF-S1500M/-我想使用对文本进行OCR。我想(每天)自动化这个过程：
我应该用自动售货
浏览 5提问于2011-08-18得票数 1
回答已采纳
我试图将"pdf“或"html”文件直接传递到lambda函数中。但是我不明白它应该以什么正确的格式接收？我能够理解如何使用以下代码通过lambda函数传递“图像”文件:但是如何发送pdf或html文件呢？(img): return ocr_text
def lambda_handler= ocr
浏览 1提问于2020-05-06得票数 0
回答已采纳
2回答
我要找一个OCR软件，渲染覆盖HTML到一个图像。我目前正在使用一些未命名的产品。它有一个OCR功能，可以对带有图像的PDF文档进行内联OCR。内联OCR非常方便，它允许搜索带有图像的PDF文档中的文本。也可以直接在文档中突出显示文本，OCR文本与底层图像对齐。不幸的是，我无法从未命名的产品中导出或存储内联OCR。有没有其他软件可以执行和导出在线OCR？我特别感兴趣的是导出到HTML中，其中包含与底
浏览 3提问于2013-05-13得票数 5
即$f = `java -jar /OCR/ocr.jar /Folder/$path /ocr/output.txt`;java -jar /OCR/ocr.jar /Folder/Sub\ Folder/filetoocr.pdf /
浏览 1提问于2010-04-15得票数 0
2回答
我想在保存OCR的同时将djvu转换成pdf。这个页面描述了如何做到这一点，但是我得到了一个空白的html文件。" content="text/html; charset=utf-8" /> <meta文件，所以当我运行
sed 's/ocrx
浏览 0提问于2013-03-25得票数 1
查询
SELECT dv.id,dv.client_id,b.name block_name,dv.is_ocr_pending,dv.time,dv.label,dv.is_pdf_broken,dv.is_pdf_scan,dv.ocr_recall_id,dv.ocr_vatno,cv.name ocr_vatno_name,dv.ocr_vatno_country,dv.ocr_is_vatno_verified,dv.ocr
浏览 0提问于2019-01-06得票数 0
回答已采纳
在视图中，我希望同时显示一个内联PDF-查看器(使用<object src=''></object>)和OCR‘’ed输出。控制器中的代码可以概括如下： * Fetch the path to the pdf of the document (OCR is preferred)
$ocr_src = ge
浏览 3提问于2016-10-18得票数 0
回答已采纳
1回答
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf "%u&
浏览 0提问于2022-11-30得票数 0
回答已采纳
1回答
在r中的pdf上执行ocr时出错
、、、、
在r中的pdf上尝试OCR，这给了我错误。运行代码后，也会生成"i.txt“文件，但仍然会出现错误。'"D:/Software_for_PDF_OCR/xpdf-tools-win-4.00/bin64/pdftoppm.exe D:/PDF_OCR_File/test.pdf -f 1 -lD:/PDF_OCR_File/t
浏览 3提问于2017-09-20得票数 0
3回答
到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
回答已采纳
1回答
我让Tika在PDF文件上使用Tesseract，但是如果我给它一个同时具有可搜索文本和图像的PDF文件，文本是OCRed两次。有什么办法可以避免这种情况吗？
浏览 4提问于2020-12-31得票数 1
回答已采纳
1回答
所以我在考虑用PHP“导入”(上传和预处理/标准化数据)一个PDF标准格式的时间表。我已经尝试了几个库(smalot/pdfparser，gufy/pdftohtml-php，tecnickcom/tc-lib-pdf-parser和一些小类)来阅读PDF，但我得到的似乎都是简单的文本和至多我目前正在尝试在a (x，y，content)中组织数据，但我真的在寻找一种在HTML / XML中获得类似于表的结构的方法。
将PDF转换为XLSX会导致时间表中的元
浏览 0提问于2018-06-19得票数 0
我一直在尝试从扫描的PDF中提取文本(具有不可选文本的图像)。我想要的信息，包含日期，发票编号从pdf链接()。from PIL import Imagepage = pdf_reader.getPage
浏览 2提问于2020-05-27得票数 1
回答已采纳
我在HTML中有以下输入： <div class="form-group"> <inputonkeyup="checkSIRET(this);" onfocusout="ocr_on_fly(true, this, true)" onfocusin="ocr_on_fly(false, t
浏览 48提问于2019-06-05得票数 1
回答已采纳
1回答
例如，OCR0000000006和OCR0000000008都有统一的标题06000146.pdf。OCR0000000001 Yes 100 06000093.pdfOCR0000000004 OCR0000000006 No 95
浏览 0提问于2014-03-22得票数 0
我有PDF文件，这是从扫描仪创建的。PDF只包含图像。OCR:从图像中读取文本一页的处理时间不应超过20秒。
命令行和/或API，不需要GUI。
浏览 0提问于2018-06-05得票数 1
1回答
然后它将使用tesseract对每个pgm (第二个输入文件类型)执行OCR。
export -f generate_pgm PGM="$1"
find .{}; parallel --argsep ,,, ocr ,,, pgm/*.pgm'
浏览 2提问于2017-07-25得票数 1
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
