如何提取 PDF 文档中的文字-（备注：文字被转曲线了）

文字

文档

排版

PDF

37 条回复 • 2020-10-19 20:11:12 +08:00

1

jarry777

2020-10-18 09:19:01 +08:00

OCR

2

Myprincess

OP

2020-10-18 09:25:45 +08:00

@jarry777 ocr 能扫出来吗？这个是说明书。每个字体都是独立的。并且排版很乱。都不在一条直线上。

3

yiXu

2020-10-18 09:48:42 +08:00

1

@Myprincess 试试不要钱的 ocr，我一般电脑的用福昕，手机用白描（免费有次数限制）。其他的也有很多，都试试吧，正确率啥的，一般字是正的，不是奇形怪状，应该都还好，付费的话，应该会提高正确率，但是可能也就那样吧

4

jedicxl

2020-10-18 09:49:05 +08:00

有什么说明书会排版乱到文字识别都不行的程度？
那还不如找个非扫描版的说明书来的快了

5

gcyrn

2020-10-18 09:49:50 +08:00

Adobe Acrobat

6

yiXu

2020-10-18 09:50:11 +08:00

简单方便的小软件的话，天若 ocr 文字识别，免费的，电脑的。收费的是开通功能，但是这个功能是可以调用付费接口，而接口是自己申请的，清楚了再付费。

7

Myprincess

OP

2020-10-18 09:55:07 +08:00

@gcyrn 不行，试了。动不了。一个字都动不了。

8

jdhao

2020-10-18 09:57:23 +08:00 via Android

有没有样张看一下？

9

lichdkimba

2020-10-18 09:59:38 +08:00

量小的话手打出来可能最快。。

10

icyalala

2020-10-18 11:33:03 +08:00

ABBYY FineReader，可以设置原始字体来扫描

11

DreamSpace

2020-10-18 11:55:23 +08:00 via Android

pdf 是一种描述文本书写方式的格式。如果很确定需要处理的是文字而非图片，那可以尝试用 pdf 相关的库解析一下

12

yihaomizhijia

2020-10-18 12:11:05 +08:00

找个人力成本低的人手打就是了。上万字另说。

13

Myprincess

OP

2020-10-18 12:11:49 +08:00

@jdhao
@DreamSpace
@icyalala
文字是被转为图片了。无法改动。用 PDF 软件打开，单字都无法复制。

14

tees

2020-10-18 12:13:26 +08:00

你这个只能 ocr 了

15

dsg001

2020-10-18 12:48:50 +08:00

天若 5.0，免费，使用百度接口，只要不太过分，识别率还行

16

Gathaly

2020-10-18 13:42:50 +08:00

投影法更正

17

user8341

2020-10-18 14:02:01 +08:00

天若、福昕都是完整的软件。有没有可用在程序里的 OCR 库？

18

Porphet

2020-10-18 14:06:46 +08:00

1

腾讯开放的 ocr，优图 ocr，还有其他像阿里百度都有免费的 ocr，准确度很高

19

Arrowing

2020-10-18 14:13:05 +08:00

我前几天也在找，找了很多个试了，发现这个识别率还可以，不过还是不满足我的要求，你可以试试看。
https://zhcn.109876543210.com

20

RioDoubleD

2020-10-18 14:32:26 +08:00

上个图看看，abbyy 可以调图片弯曲

21

rund11

2020-10-18 14:55:36 +08:00 via Android

这种复杂文字 ocr 就要用百度，腾讯的识别接口，识别率还是很高的

22

icyalala

2020-10-18 15:01:37 +08:00

1

@Myprincess 说的就是这种情况啊，用 ABBYY FineReader 来进行 OCR，识别图片中的文字。你可以设置一个原始字体或者比较接近的中文字体，那样识别率会更高。

23

user8341

2020-10-18 16:28:58 +08:00

@Porphet 都是 API 吗？有没有不依赖网络的能独立运行的库？

24

Raynard

2020-10-18 17:21:19 +08:00

office 手机版扫描试试

25

bamboopainter

2020-10-18 17:21:22 +08:00 via iPhone

打印出来，再用 scansnap 扫成电子版

26

Myprincess

OP

2020-10-18 17:30:28 +08:00

@Arrowing 试了，全黑色底文字有些识别不了。左右黑色，图片不会被切，上下黑，图片会被切掉。其它文字很棒。

27

miaomiao888

2020-10-18 19:13:01 +08:00

你这帖子中有贴图吗，得看看是哪样的字吧。

可以试试 PandaOCR，里面有 20 来个 OCR 引擎你可以逐个试试看哪个更适合：github.com/miaomiaosoft/PandaOCR

要是过于不规则的字可能要用离线 OCR 自己训练了

28

Lemeng

2020-10-18 21:16:09 +08:00

有一大堆吧。51 破解？

29

dabaibai

2020-10-18 22:47:12 +08:00 via Android

什么曲线？ svg ？

30

flynaj

2020-10-18 23:01:42 +08:00 via Android

qq 带的 OCR Ctrl+ALT+O

31

dadaslele

2020-10-18 23:20:23 +08:00

在线版本的，图片都能给你抠出来，支持 pdf2word，pdf2ppt 等等
https://easypdf.com/

32

Pichai

2020-10-19 02:36:07 +08:00

https://smallpdf.com/cn
你试试这个网站，上面有 pdf 转 word 。还有在线编辑 pdf 的。转换之前是每天可以免费使用两次该功能，其他的暂时不清楚。希望能帮到你。

33

Porphet

2020-10-19 09:07:54 +08:00

@user8341 那估计需要你自己训练一个 ocr 的模型了，现在主流算法都换成神经网络了吧，我是做 nlp 的所有不了解

34

dany813

2020-10-19 09:28:04 +08:00

@dadaslele 刚转换一个 PDF，排版乱了

35

user8341

2020-10-19 12:31:35 +08:00

@Porphet 很想知道有没有训练好的，27 楼那个不知道是不是。

36

Porphet

2020-10-19 15:25:50 +08:00

@user8341 不是、他也是调用 api，训练好的不可能开源吧，实在想用可以去搜搜论文

37

kasusa

2020-10-19 20:11:12 +08:00

用用 QQ 的 OCR,便捷,免费,在截图功能里面.