idblife
7.51D
V2EX  ›  问与答

有啥软件或者服务可以做 PDF 文件的 OCR?

  •  
  •   idblife · Jun 25, 2022 · 3742 views
    This topic created in 1603 days ago, the information mentioned may be changed or developed.
    有很多扫描的老资料 PDF 想批量转换成文本方便检索
    19 replies  •  2022-06-26 17:45:24 +08:00
    shyray
    shyray
    Jun 25, 2022 via iPhone❤️1
    1
    DEVONthink
    Nasei
    Nasei
    Jun 25, 2022❤️1
    2
    谷歌和微软都有 orc 的云服务 api

    https://cloud.google.com/vision/docs/pdf
    huandaeren
    huandaeren
    Jun 25, 2022 via iPhone❤️1
    3
    OCRmyPDF
    em70
    em70
    Jun 25, 2022❤️1
    4
    ABBYY FineReader
    俄罗斯人开发的神器,OCR 转换效果极好,淘宝几元钱就能买到,支持命令行可以批量操作,就是有点耗 CPU
    sunnysab
    sunnysab
    Jun 25, 2022 via Android
    5
    我印象里 ABBYY 对古籍等印刷不是很清晰的书效果一般,也可能是因为我版本老。耗 CPU 是真的!

    我也来蹲一个。
    kokutou
    kokutou
    Jun 25, 2022
    6
    ABBYY
    idblife
    idblife
    OP
    Jun 25, 2022
    7
    @em70
    不知道是不是支持 api 调用,想写个程序把 pdf 批量转换成文本然后写入到 mysql 里。
    我去看看文档
    idblife
    idblife
    OP
    Jun 25, 2022
    8
    @Nasei
    试用过 aws 的,对中文适配不太好
    idblife
    idblife
    OP
    Jun 25, 2022
    9
    @em70
    看到你回复里写命令行操作了,哈哈,跳跃性阅读了
    KDr2
    KDr2
    Jun 25, 2022
    10
    imydou
    imydou
    Jun 25, 2022 via iPhone
    11
    anbyy finereader 有按月的订阅
    paopjian
    paopjian
    Jun 25, 2022
    12
    pdf 转成图片再 ocr 不就行了,pymupdf pdf 转图片挺快得
    idblife
    idblife
    OP
    Jun 25, 2022 via iPhone
    13
    @paopjian
    主要是 ocr 不好解决
    paopjian
    paopjian
    Jun 25, 2022❤️1
    14
    @idblife 没懂 ocr 有啥不好解决的,我用的 paddleocr,配环境有点麻烦,配好了就是脚本跑了
    Features
    Features
    Jun 26, 2022
    15
    阿里云,百度云 API 吧
    国内的头部厂家
    本地软件根本没法比
    shakoon
    shakoon
    Jun 26, 2022 via Android
    16
    wps pdf ,开会员
    zhouwb
    zhouwb
    Jun 26, 2022
    17
    这种免费的效果都不会太好,wps 会员应该是最便宜的方案
    nyaruko
    nyaruko
    Jun 26, 2022
    18
    Word ? 2019 及之后还有 Office 365 应该可以直接打开 PDF 的,但不清楚楼主这个 PDF 是什么情况

    如果本身就能复制里面的文字应该可以直接转换成可编辑的 word 文档,如果里面是图片不好说

    以及企业版的 O365 可以直接通过 SharePoint 索引 PDF 内的内容
    idblife
    idblife
    OP
    Jun 26, 2022
    19
    @nyaruko
    里面是图片的那种扫描文档
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   1012 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 41ms · UTC 22:48 · PVG 06:48 · LAX 14:48 · JFK 17:48
    ♥ Do have faith in what you're doing.