ברבות תהליכי העסק, יש צורך להפוך מסמכי PDF סרוקים לטקסט שניתן לחיפוש או לעריכה. המדריך חילוץ טקסט מקבצי PDF סרוקים עם Aspose.PDF OCR ב‑C# מציג כיצד לנצל את מנוע ה‑OCR המשולב ב‑Aspose.PDF for .NET כדי לחלץ טקסט פשוט מדפים מבוססי תמונה. בעקבות מדריך זה תקבלו פתרון מוכן להפעלה שעובד עם כל קובץ PDF סרוק, ללא תלות בגודלו או בשפתו.

חילוץ טקסט מקבצי PDF סרוקים באמצעות Aspose.PDF OCR SDK

PDFים סרוקים מכילים רק תמונות, ולכן ממשקי API רגילים לחילוץ טקסט מחזירים כלום. OCR (זיהוי תווים אופטי) ממיר את התמונות האלה לתווים קריאים למחשב, מאפשר אינדוקס, כריית נתונים ועיבוד נוסף. אוטומציה של OCR ב‑C# מסירה שלבים ידניים של העתקה והדבקה, משפרת את הדיוק, ומאפשרת סקיילינג על גבי קבוצות גדולות של מסמכים.

Aspose.PDF מספקת את מרחב השמות Aspose.Pdf.Ocr, הכולל את OcrTextRecognitionOptions, OcrTextAbsorber, ו‑enum של השפות. הספרייה מופצת דרך NuGet. התקן אותה עם הפקודה הבאה:

Install-Package Aspose.PDF

למידע נוסף, בקר ב-דף המוצר של Aspose.PDF.

חילוץ טקסט מקבצי PDF סרוקים עם Aspose.PDF OCR ב- C#

  1. טען את קובץ ה-PDF הסרוק לתוך Aspose.Pdf.Document.
  2. הגדר אפשרויות OCR (שפה, רזולוציה, מפריד דפים).
  3. החל OcrTextAbsorber על אוסף העמודים של המסמך.
  4. קבל את הטקסט המוכר ושמור אותו.

הדוגמה מציגה טעינת קובץ PDF סרוק, קביעת תצורת OCR, חילוץ טקסט וכתיבת התוצאה לקובץ באמצעות C#.

// For complete examples and data files, visit https://github.com/aspose-pdf/Aspose.PDF-for-.NET
private static void RecognizeTextWithOcr()
{
    // The path to the documents directory
    var dataDir = RunExamples.GetDataDir_AsposePdf();

    // Open PDF document
    using (var document = new Aspose.Pdf.Document(dataDir + "input.pdf"))
    {
        // Configure OCR recognition options
        var options = new Aspose.Pdf.Ocr.OcrTextRecognitionOptions
        {
            Language = Aspose.Pdf.Ocr.OcrLanguage.English,
            Resolution = 300,
            PageSeparator = "\n\n"
        };

        // Recognize text from all pages
        var absorber = new Aspose.Pdf.Ocr.OcrTextAbsorber(options);
        document.Pages.Accept(absorber);

        // Save recognized text
        System.IO.File.WriteAllText(dataDir + "recognized-text.txt", absorber.Text);
    }
}

Aspose.PDF תכונות החשובות למשימה זו

  • מנוע OCR משולב – אין תלות חיצונית; מנוע ה‑OCR נמצא במרחב השמות Aspose.Pdf.Ocr.
  • בחירת שפה – האינום OcrLanguage מאפשר לך לציין את המילון לשיפור הזיהוי.
  • בקרת רזולוציה – DPI גבוה משפר את דיוק התווים, במיוחד בסריקות חלשות.
  • PageSeparator – מחרוזת שניתנת להתאמה כדי להפריד בין דפים בטקסט הפלט.
  • איסוף עמודים בטוח למולטי‑תהליכים – מאפשר עיבוד מקביל של קבצי PDF גדולים.

היכולות הללו מאפשרות פתרון חזק, ספרייה יחידה לחילוץ טקסט מכל קובץ PDF סרוק.

התקנה והגדרה ב- C#

  1. פתח את הפתרון .NET שלך ב-Visual Studio.
  2. פתח את Package Manager Console והרץ Install-Package Aspose.PDF.
  3. הוסף using Aspose.Pdf; ו-using Aspose.Pdf.Ocr; בחלק העליון של קובץ המחלקה שלך.
  4. ודא שיש לך רישיון זמני או מלא; ללא רישיון, הפלט עשוי לכלול סימן מים.

לפרטים על הרישיון, ראו את דף רישיון זמני.

יישום שלב‑אחר‑שלב ב‑C#

מה קטע זה עונה? מהם הצעדים המדויקים בקוד לחילוץ טקסט?

  1. אתחול המסמך
    var pdfPath = "path/to/scanned.pdf";
var document = new Document(pdfPath);
  2. יצירת אפשרויות OCR
    var ocrOptions = new OcrTextRecognitionOptions
{
    Language = OcrLanguage.English,
    Resolution = 300,
    PageSeparator = "\n--- Page Break ---\n"
};
  3. הפעלת הסופג
    var absorber = new OcrTextAbsorber(ocrOptions);
document.Pages.Accept(absorber);
  4. גישה לטקסט שהוצא
    string extractedText = absorber.Text;
  5. שמירה או עיבוד הטקסט
    System.IO.File.WriteAllText("output.txt", extractedText);

הקוד פועל באותו זרם כמו הדוגמה המקיפה למעלה, אך מחלק את הלוגיקה לצעדים ניתנים לעיכול.

קבל רישיון חינמי

הערכת Aspose.PDF ללא עלות על‑ידי בקשת רישיון זמני כאן: https://purchase.aspose.com/temporary-license/

משאבים נוספים בחינם

מסקנה

מדריך זה הוביל אותך דרך חילוץ טקסט מקבצי PDF סרוקים באמצעות Aspose.PDF OCR ב‑C#. למדת כיצד להתקין את הספרייה, להגדיר אפשרויות OCR לדיוק, ליישם צינור חילוץ נקי, ולבצע אופטימיזציות ביצועים למסמכים גדולים. עם הטכניקות הללו, כל מפתח .NET יכול להפוך קבצי PDF שמכילים רק תמונות לטקסטים ניתנים לחיפוש ולעריכה.

שאלות נפוצות

  1. איך אני מחלץ טקסט מקובץ PDF סרוק ב‑C# באמצעות Aspose.PDF?
    צור Document, הגדר OcrTextRecognitionOptions, הפעל OcrTextAbsorber על העמודים וקרא את המאפיין Text.

  2. אילו שפות OCR נתמכות ב‑Aspose.PDF?
    הספרייה תומכת במגוון רחב של שפות דרך המונה OcrLanguage, כולל אנגלית, צרפתית, גרמנית, ספרדית, סינית ועוד.

  3. איך אפשר לשפר את דיוק ה‑OCR עבור סריקות ברזולוציה נמוכה?
    הגדל את ה‑Resolution (למשל 300 DPI), בחר את השפה הנכונה, ושקול לבצע קדם‑עיבוד של התמונות כדי להגביר את הניגודיות.

  4. האם בטוח לעבד קבצי PDF גדולים במקביל?
    כן, על‑ידי חלוקת המסמך לטווחי עמודים ועיבוד כל טווח בחוט נפרד, תוך ניטור שימוש בזיכרון.

  5. איזו רישיון נדרש לתכונות OCR?
    OCR זמין במלואו עם רישיון תקף של Aspose.PDF for .NET; ניתן לקבל רישיון זמני לצורך הערכה.

  6. היכן ניתן למצוא תיעוד נוסף על הגדרות OCR?
    הוראות קונפיגורציה מפורטות של OCR זמינות בתיעוד הגדרות OCR של Aspose.PDF בכתובת https://docs.aspose.com/pdf/net/.

קרא עוד