1回答
两种输入文件类型同时在GNU并行？
pdf、parallel-processing、ocr、tesseract
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="$1"
find .{}; parallel --argsep ,,, ocr ,,, pgm/*.pgm'
浏览 2提问于2017-07-25得票数 1
3回答
更改windows批处理中的文件扩展名
windows、file、batch-file、rename
到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
回答已采纳
1回答
带有图像的PDF文件的OCR
ocr、tesseract、apache-tika
我让Tika在PDF文件上使用Tesseract，但是如果我给它一个同时具有可搜索文本和图像的PDF文件，文本是OCRed两次。有什么办法可以避免这种情况吗？
浏览 4提问于2020-12-31得票数 1
回答已采纳
1回答
检测景观格式的图像，并将其分割成两幅肖像。
bash、pdf、imagemagick、crop、imagemagick-convert
我已经扫描了PDF格式的文件。这些文件包含一页纵向格式和两页横向格式的页面。for i in *.pdf; # Créer le fichier PDF avec OCR
ocrmyp
浏览 2提问于2020-04-20得票数 1
2回答
在WinForm中寻找OCR库
c#、ocr、vb.net
是否有任何免费/付费的OCR库能够捕获PDF格式的发票数据？需要有一个低的错误率。我们需要对这些数据进行进一步的处理。
浏览 0提问于2019-06-10得票数 1
1回答
将扫描的pdf转换为R中可搜索的pdf
r、pdf-scraping
我有一个pdf，大约50页扫描表。我需要最终把它刮到R中，这样我就可以清理数据并将其导出为.csv。环顾在线，我所能得到的最远就是将扫描的pdf作为一个字符对象读取到R中，但这会使格式发生很大的变化，因此表中的列都错对齐了，并出现了无序。有没有一种方法可以将扫描的pdf转换成可读的pdf，这样我就可以在tabulizer中抓取它了？还是另一种将扫描的pdfs抓取到表中的方法？
浏览 5提问于2022-11-16得票数 0
1回答
Applescript或Automator:运行Acrobat对OCR多个PDF文件进行批处理，更多
pdf、applescript、ocr、acrobat、automator
我使用ScanSnap S1500M将所有纸质文档扫描到/PDF-S1500M/-我想使用对文本进行OCR。我想(每天)自动化这个过程：
浏览 5提问于2011-08-18得票数 1
回答已采纳
4回答
如何识别需要OCR的PDF文件？
pdf、ocr
我有超过30,000个pdf文件。有些文件已经是OCR，有些则不是。有没有办法找出哪些文件已经OCR，哪些pdf只有图像？
如果我通过OCR处理器运行每个文件，这将是永远不会发生的。
浏览 8提问于2011-10-12得票数 9
回答已采纳
1回答
在终端中运行命令，并在输出中包含输入名
terminal、filenames、command、kubuntu、ocr
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf
浏览 0提问于2022-11-30得票数 0
回答已采纳
4回答
运行反引号/exec()时的PHP路径问题
java、php、macos
即$f = `java -jar /OCR/ocr.jar /Folder/$path /ocr/output.txt`;java -jar /OCR/ocr.jar /Folder/Sub\ Folder/filetoocr.pdf /
浏览 1提问于2010-04-15得票数 0
1回答
我目前正在使用扫描仪将我的PDF转换为可搜索的PDF。OCR已经处理好了，因为我可以在PDF中使用ctrl-f。
但是，我如何才能从我的程序中获取OCR的内容。是否可以通过读取文件来公开访问OCR文本？
浏览 1提问于2011-12-15得票数 0
1回答
检测PDF文件是否由图像生成
bash、shell-script、pdf
我正试图预处理大量的PDF文件，其中许多文件实际上不是文本而是图像，以便将它们移到适当的位置进行OCR处理。
问题是，我试图检测PDF是否是基于图像的OCR之前，但到目前为止没有成功。使用"pdffonts filename“被认为是正确的方法，但只有图像PDF也有字体！
浏览 0提问于2016-03-31得票数 10
回答已采纳
4回答
一种基于OCR的PDF文本提取方法
java、pdf、text-parsing
是否有人尝试过使用OCR库和Java从PDF中提取文本？你认为什么是最可靠的文本提取库？我见过的大多数方法(tesseract、GOCR)都是C库，需要编写一些JNI代码。
浏览 2提问于2009-04-22得票数 6
2回答
如何向只包含图像的PDF中添加文本？
pdf、ocr
我使用像富士通iX500 ScanSnap扫描仪这样的硬件解决方案进行实时扫描，同时使用Foxit PhantomPDF向PDF中的图像添加文本。这两种解决方案都带来了不错的OCR，但是也有一些缺陷，比如在非文本上出现错误，或者99%的文本在页面上被漏掉，因为页面的角落中有3-4个单词与页面上的所有其他文本一样，它们都是90度旋转的。最先进的OCR解决方案是将图像转换为可搜索的PDF，还是将(隐藏的)文本添加到仅包含图像的现有PDF中(添加搜索功能)？
浏览 0提问于2018-05-25得票数 0
1回答
在子文件夹中批处理OCR文件，并以新名称保存新文件
windows、batch-file、pdf、cmd、ocr
我有以下代码，OCR的所有PDF文件都在一个特定的文件夹中(d：\exttmp2)，但它没有按我的意愿重命名这些文件，也没有将新文件放在正确的位置。OCR运行正常，但我希望将OCR‘’ed文件重命名为：<parent folder path>-<filename>_ocred.pdf。以这种方式命名它们将不会产生任何文件覆盖。当前，代码OCR是文件，但它将新文件保存到它们所在的文件夹之上的文件夹中。它还将文件名保存为"JAN_ocred.pdf<
浏览 2提问于2021-06-09得票数 0
回答已采纳
2回答
如何在分布式环境中处理文件路径
celery、filepath、distributed-computing
我正在建立一个分布式芹菜环境来对PDF文件进行OCR。我有大约3M的PDF，OCR是CPU绑定的，所以我们的想法是创建一个服务器集群来处理OCR。当我写我的任务时，我得到了这样的东西：def do_ocr(pk, file_path): item = Document.objects.get(pk=pk)
item.content = <e
浏览 8提问于2016-03-29得票数 3
回答已采纳
1回答
包含文本和图像页面的OCRing pdf
ubuntu、pdf、ocr
我有下面的ubuntu脚本，它检查我的pdf是否已经OCRed，如果没有就OCRs，问题是，我有一些混合了OCR和非OCR的pdf。所以，我想在if语句中添加一个条件，如果行数或单词数少于某个数字(例如100行文本或1000个单词)，则对其进行OCR。我对ubuntu完全陌生，我已经添加了几行(粗体)。"$MYFONTS" = '' ] || [ "$MYFONTS" = '[none]' ] **|| [ "$LI
浏览 2提问于2019-07-08得票数 0
2回答
如何区分扫描的PDF和常规的文本PDF
r、pdf、tesseract
我正在处理多个PDF文件的OCR任务。其中一些是扫描的(不可搜索的)，另一些只是原生的(可搜索的)PDF。image1 = image_read_pdf (file.list1[1], density=150)用于文本的pdf
text1 = pdf_text(fi
浏览 7提问于2021-04-10得票数 1
2回答
从PDF中提取文本，并将提取的文本保存在Excel或其他地方
pdf、uipath
我想要一个简单的方法，从pdf中提取文本，并将文本保存到Excel中。
谢谢!
浏览 16提问于2020-07-13得票数 0
4回答
从扫描创建copy+pastable PDF
linux、pdf、ocr
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
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号