快速入手光学字符识别控件Aspose.OCR！如何从PDF中提取文本

Aspose.OCR 是一款字符识别组件，它使得开发人员可以添加OCR功能到他们的ASP.NET Web应用程序、web服务和windows应用程序中。它提供了一个简单的类集用于控制字符识别。Aspose.OCR目的是为那些需要在他们自己的应用程序中使用图像（BMP和TIFF）的开发人员提供需求。它允许开发人员快速而简单的从图像中提取文本，并节省了从头开发一个OCR解决方案的时间和精力。

Aspose API 支持流行文件格式处理，并允许将各类文档导出或转换为固定布局文件格式和最常用的图像/多媒体格式 （技术交流Q群：761297826）

PDF 文件是最常见的业务文档之一。在某些情况下，我们可能需要以编程方式阅读扫描的PDF文档。从扫描的PDF文件中提取文本的困难导致了工具的开发，这些工具可以更轻松地从此类PDF文档中阅读和检索文本。根据文档的内容，出于多种原因，从 PDF 文件中提取文本可能很有用。在本文中，我们将学习如何在C#中对PDF文档进行OCR并从PDF中提取文本。

OCR PDF 到文本 C# API

我们将使用 Aspose.OCR for .NET API 对 PDF 文档执行 OCR。它可以识别扫描的图像，智能手机照片，屏幕截图和图像区域。API 以最流行的文档和数据交换格式返回识别的文本结果。除了将图像转换为文本外，API 还可以根据扫描创建可搜索的 PDF。此外，它能够自动更正已识别文本中的拼写错误。

该 API 提供了 AsposeOcr 类，该类提供了执行 OCR 操作的各种方法。它提供了RecognizePdf（字符串，DocumentRecognitionSettings）方法来识别所提供的PDF文档中的文本。API 的 DocumentRecognitionSettings 类提供 PDF 识别过程的设置。类表示图像识别的结果。

OCR PDF 和从 C 语言的 PDF 中提取文本

我们可以对PDF文档执行OCR，并按照以下步骤提取识别的文本：

1. 首先，创建 AsposeOcr 类的实例。
   
2. 接下来，初始化 DocumentRecognitionSettings 类的对象。
   
3. 然后，指定要用于 OCR 的语言。
   
4. 之后，通过调用 RecognizePdf（） 方法获取 RecognitionResult。它采用图像路径和文档识别设置对象作为参数。
   
5. 最后，循环浏览识别结果列表并显示标识的文本。

以下示例代码演示如何在 C# 中对 PDF 文档进行 OCR 和提取识别的文本。

// This code example demonstrates how to OCR PDF documents and extract the recognized text.
// Initialize the PCR engine
AsposeOcr recognitionEngine = new AsposeOcr();
// Initialize recognition settings
DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
// Specify language for OCR. Multi-language by default
recognitionSettings.Language = Language.Eng;
// Recognize text from PDF
List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
// Show the recognized text
foreach (RecognitionResult result in results)
Console.WriteLine(result.RecognitionText);

对 PDF 执行 OCR 并将文本保存在 C 语言中

我们可以对PDF文档执行OCR，并按照以下步骤保存识别的文本：

1. 首先，创建 AsposeOcr 类的实例。
   
2. 接下来，初始化 DocumentRecognitionSettings 类的对象。
   
3. 然后，指定要用于 OCR 的语言。
   
4. 之后，调用 RecognizePdf（） 方法来获取 RecognitionResult。它采用图像路径和文档识别设置对象作为参数。
   
5. 最后，使用 SaveMultipageDocument（） 方法保存文本。它采用输出文件路径、SaveFormat 和 RecognitionResult 对象作为参数。

以下示例代码演示如何对 PDF 文档进行 OCR 并将识别的文本保存在 C# 中。

// This code example demonstrates how to OCR PDF documents and extract the recognized text.
// Initialize the PCR engine
AsposeOcr recognitionEngine = new AsposeOcr();
// Initialize recognition settings
DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
// Specify language for OCR. Multi-language by default
recognitionSettings.Language = Language.Eng;
// Recognize text from PDF
List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
// Save the recognized text
AsposeOcr.SaveMultipageDocument("C:\\Files\\OCR_result.txt", SaveFormat.Text, results);

OCR PDF 和将扫描的 PDF 转换为 C 语言中的单词

我们可以对扫描的PDF文档执行OCR，并按照前面提到的步骤将识别的文本保存在Word文档中。但是，我们只需要在最后一步中指定 SaveFormat.Docx。

下面的示例代码演示如何在 C# 中对 PDF 进行 OCR PDF 并将识别的文本另存为 Word 文档。

// This code example demonstrates how to OCR PDF documents and save the recognized text as DOCX.
// Initialize the PCR engine
AsposeOcr recognitionEngine = new AsposeOcr();
// Initialize recognition settings
DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
// Specify language for OCR. Multi-language by default
recognitionSettings.Language = Language.Eng;
// Recognize text from PDF
List<RecognitionResult> results = recognitionEngine.RecognizePdf("C:\\Files\\sample.pdf", recognitionSettings);
// Save the recognized text as DOCX
AsposeOcr.SaveMultipageDocument("C:\\Files\\OCR_result.docx", SaveFormat.Docx, results);

OCR PDF 和 将 PDF 转换为 JSON 语言

我们可以对 PDF 文档执行 OCR，并按照前面提到的步骤将识别的文本保存在 JSON 文件中。但是，我们只需要在最后一步中指定 SaveFormat.Json。

以下示例代码演示如何在 C# 中对 PDF 进行 OCR PDF 并将识别的文本另存为 JSON 文件。

// This code example demonstrates how to OCR PDF documents and save the recognized text as JSON.
// Initialize the PCR engine
AsposeOcr recognitionEngine = new AsposeOcr();
// Initialize recognition settings
DocumentRecognitionSettings recognitionSettings = new DocumentRecognitionSettings();
// Specify language for OCR. Multi-language by default
recognitionSettings.Language = Language.Eng;