Чем распознать текст на картинках в PDF?

Ссылка скопирована
Linux PDF Обработка изображений
1 ответ

Есть PDF, в котором вперемешку и текст, и куча картинок с текстом. Чем его распознать в линуксе или онлайн, так чтобы все слова, включая те, что на картинках попали в результат в виде .txt файла?

Дополнительно:

Ответы:

Данная технология называется OCR.
Можно использовать OCR движок для распознавания например tesseract-ocr
Со списком команд и как экспортировать текст из PDF в TXT ознакомься уже сам )

  • Спасибо, кэп. Но нет, это НЕ решение моего вопроса. СможеТЕ самостоятельно понять, почему? )
  • 0xC0CAC01A, Ну я вижу загвостку тут только в картинках. Остальное легко решается с помощью скриптов
  • Загвоздка в мешанине из текста и картинок в PDF. Возьмите такой PDF и сами попробуйте.
  • 0xC0CAC01A, На одной странице может быть текст и картинки?
  • Alex G., Да. А в картинках - тоже текст
  • 0xC0CAC01A, Заморочно будет. Но сделать можно. Готовых решений увы не знаю.
  • Alex G., Спасибо. Ваш ответ очень помог )
  • Любой онлайн OCR по первой ссылке
  • TryH4ckM3, Вы уверены?
  • 0xC0CAC01A, Я так делал. Было удовлетворительно.
  • TryH4ckM3, Чем именно пользовались?
  • 0xC0CAC01A https://convertio.co/ru/ocr/
Нужно решить такую задачу?

Опишите проблему, и специалист поможет с настройкой, исправлением ошибки или доработкой сайта. Подберём понятный план работ без лишней переписки.

Заказать помощь
Лучший ответ
1
Анна SEO Ответ

Для распознавания текста на изображениях в PDF файле можно воспользоваться специальными библиотеками и инструментами. Одним из распространенных способов является использование библиотеки Tesseract OCR.

Ниже приведен пример кода на PHP, который использует Tesseract OCR для извлечения текста из изображений в PDF файле:

<?php

// Устанавливаем путь к исполняемому файлу Tesseract OCR

$tesseractPath = 'путь_к_tesseract';


// Путь к PDF файлу

$pdfFilePath = 'путь_к_pdf_файлу';


// Создаем временную директорию для извлеченных изображений

$tempDir = 'путь_к_временной_директории';

mkdir($tempDir);


// Разбиваем PDF файл на изображения

exec("convert -density 300 {$pdfFilePath} {$tempDir}/page.png");


// Инициализируем Tesseract OCR

$cmd = "{$tesseractPath} {$tempDir}/page.png stdout";

exec($cmd, $output);


// Выводим результат

echo implode("
Другие ответы (0)

Пока нет других ответов. Будьте первым, кто поможет автору.

Ответить на вопрос

комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Вам также может быть интересно

VPN Как правильно настроить vless для Android TV? 0 ответов Pyrogram Как правильно зарегистрировать юзер бота в Telegram? 0 ответов печатные-платы Как заставить запускаться программу M3.exe от компании Hanxing AOI в инспекционной машине на Windows 7 Pro? 0 ответов VPN Почему подключение через VPN работает только на wi-fi, а через кабель нет, где ошибка? 0 ответов