Birçok iş akışında, taranmış PDF belgelerinin aranabilir veya düzenlenebilir metne dönüştürülmesi gerekir. Extract Text from Scanned PDFs with Aspose.PDF OCR in C# öğreticisi, Aspose.PDF for .NET içinde yerleşik OCR motorunu kullanarak görüntü‑tabanlı sayfalardan düz metin almanın nasıl yapılacağını gösterir. Bu kılavuzu izleyerek, boyutu veya dili ne olursa olsun herhangi bir taranmış PDF ile çalışan, hemen çalıştırılabilir bir çözüm elde edeceksiniz.

Aspose.PDF OCR SDK kullanarak taranmış PDF’lerden metin çıkarma

Tarama yoluyla oluşturulan PDF’ler yalnızca görüntüler içerdiğinden, tipik metin çıkarma API’leri hiçbir şey döndürmez. OCR (Optik Karakter Tanıma), bu görüntüleri makine tarafından okunabilir karakterlere dönüştürerek indeksleme, veri madenciliği ve sonraki işlemleri mümkün kılar. C#’ta OCR otomasyonu, manuel kopyala‑yapıştır adımlarını ortadan kaldırır, doğruluğu artırır ve büyük belge topluluklarında ölçeklenebilir.

Aspose.PDF, Aspose.Pdf.Ocr ad alanını sağlar; bu ad alanı OcrTextRecognitionOptions, OcrTextAbsorber ve dil enumlarını içerir. Kütüphane NuGet aracılığıyla dağıtılır. Aşağıdaki komutla yükleyin:

Install-Package Aspose.PDF

Daha fazla bilgi için, Aspose.PDF ürün sayfası adresini ziyaret edin.

C#’ta Aspose.PDF OCR ile Tarama Yapılmış PDF’lerden Metin Çıkarma

  1. Tarama yapılmış PDF’yi Aspose.Pdf.Document içine yükleyin.
  2. OCR seçeneklerini (dil, çözünürlük, sayfa ayırıcı) yapılandırın.
  3. OcrTextAbsorber‘ı belgenin sayfa koleksiyonuna uygulayın.
  4. Tanımlanan metni alın ve kaydedin.

Örnek, taranmış bir PDF’yi yüklemeyi, OCR’yi yapılandırmayı, metni çıkarmayı ve sonucu bir dosyaya C# kullanarak yazmayı gösterir.

// 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 Bu Görev İçin Önemli Olan Özellikler

  • Entegre OCR motoru – Harici bağımlılık yok; OCR motoru Aspose.Pdf.Ocr ad alanında bulunur.
  • Dil seçimi – OcrLanguage enumu, daha iyi tanıma için sözlüğü belirtmenizi sağlar.
  • Çözünürlük kontrolü – Daha yüksek DPI, özellikle soluk taramalarda karakter doğruluğunu artırır.
  • PageSeparator – Çıktı metninde sayfaları ayırmak için özelleştirilebilir dize.
  • Thread‑safe page collection – Büyük PDF’lerin paralel işlenmesine olanak tanır.

Bu yetenekler, herhangi bir taranmış PDF’den metin çıkarmak için sağlam, tek‑kütüphane çözümünü mümkün kılar.

C#’ta Kurulum ve Ayar

  1. Visual Studio’da .NET çözümünüzü açın.
  2. Paket Yöneticisi Konsolu’nu açın ve Install-Package Aspose.PDF komutunu çalıştırın.
  3. Sınıf dosyanızın en üstüne using Aspose.Pdf; ve using Aspose.Pdf.Ocr; ekleyin.
  4. Geçici veya tam bir lisansınız olduğundan emin olun; aksi takdirde çıktı bir filigran içerebilir.

Lisanslama detayları için, geçici lisans sayfasına bakın.

C#‘de Adım Adım Uygulama

Bu bölüm ne yanıtlıyor? Metni çıkarmak için tam kod adımları nelerdir?

  1. Belgeyi Başlat
    var pdfPath = "path/to/scanned.pdf";
var document = new Document(pdfPath);
  2. OCR seçeneklerini oluştur
    var ocrOptions = new OcrTextRecognitionOptions
{
    Language = OcrLanguage.English,
    Resolution = 300,
    PageSeparator = "\n--- Page Break ---\n"
};
  3. Absorber’ı çalıştır
    var absorber = new OcrTextAbsorber(ocrOptions);
document.Pages.Accept(absorber);
  4. Çıkarılan metne eriş
    string extractedText = absorber.Text;
  5. Metni kaydet veya işleyin
    System.IO.File.WriteAllText("output.txt", extractedText);

Kod, yukarıdaki kapsamlı örnekle aynı akışı izler ancak mantığı sindirilebilir adımlara ayırır.

Ücretsiz Lisans Al

Aspose.PDF’yi ücretsiz olarak değerlendirmek için burada geçici bir lisans isteyin: https://purchase.aspose.com/temporary-license/

Ücretsiz Ek Kaynaklar

Sonuç

Bu kılavuz, Aspose.PDF OCR kullanarak C#’ta taranmış PDF’lerden metin çıkarmayı adım adım gösterdi. Kütüphaneyi nasıl kuracağınızı, doğruluk için OCR seçeneklerini nasıl yapılandıracağınızı, temiz bir çıkarma hattı nasıl uygulayacağınızı ve büyük belgeler için performans iyileştirmelerini nasıl uygulayacağınızı öğrendiniz. Bu tekniklerle, herhangi bir .NET geliştiricisi yalnızca görüntü içeren PDF’leri aranabilir, düzenlenebilir metin akışlarına dönüştürebilir.

SSS

  1. C# kullanarak Aspose.PDF ile taranmış bir PDF’den metni nasıl çıkarırım?
    Bir Document oluşturun, OcrTextRecognitionOptions yapılandırın, sayfalarda bir OcrTextAbsorber çalıştırın ve Text özelliğini okuyun.

  2. Aspose.PDF tarafından hangi OCR dilleri destekleniyor?
    Kütüphane, OcrLanguage enumu aracılığıyla İngilizce, Fransızca, Almanca, İspanyolca, Çince ve daha fazlası dahil olmak üzere birçok dili destekler.

  3. Düşük çözünürlüklü taramalar için OCR doğruluğunu nasıl artırabilirim?
    Resolution değerini artırın (ör. 300 DPI), doğru dili seçin ve kontrastı artırmak için görüntüleri ön işleme almayı düşünün.

  4. Büyük PDF’leri paralel olarak işlemek güvenli mi?
    Evet, belgeyi sayfa aralıklarına bölerek ve her bir aralığı ayrı bir iş parçacığında işleyerek, bellek kullanımını izlerken.

  5. OCR özellikleri için hangi lisans gereklidir?
    OCR, geçerli bir Aspose.PDF for .NET lisansı ile tam olarak kullanılabilir; değerlendirme için geçici bir lisans alınabilir.

  6. OCR ayarlarıyla ilgili daha fazla belgeyi nerede bulabilirim?
    Ayrıntılı OCR yapılandırma rehberi, https://docs.aspose.com/pdf/net/ adresindeki Aspose.PDF OCR ayarları belgelerinde mevcuttur.

Daha Fazla Oku