[示例图片] 我在下面给出的代码中寻求您的指导。我正在运行此代码以将文本从多页 TIFF 提取到 hocr 格式。我从 TIFF 的第一页获得输出，但其余页面被省略。 # Python program to extract text from all the images in a folder # storing the text in corresponding files in a different folder # This is for hocr output, but there is error of getting only 1 page ...
我以传真的形式收到了这些糟糕的发票。我们正在实施 EDI，但接下来的几个月就只能这样了。我让输入数据的员工非常无聊和沮丧。有没有办法将数据从 PDF 提取到 Excel？我只需要黄色的数据。 尽管格式一致，但到目前为止我尝试过的方法都没有奏效： Adobe DC 专业 OCR 在 Word 中打开 PDF 删除黄色以外的所有内容，然后尝试转换为 Excel 我正在考虑使用电力自动化，但我不确定这是否值得付出努力，而不是仅仅外包数据输入。 如果解决方案是软件，我非常愿意付费 示例 PDF： ...
我想使用 Acrobat 将受保护的 PDF 文件打印到另一个 PDF 文件中，以便将来也可以查阅它，并且我想保持文本可搜索：有没有办法使用 Acrobat 做到这一点而不丢失 ocr？ 我通过机构访问下载了该文件，并且该文件只能在我的 PC 上通过 Acrobat 打开 14 天。当然，如果我使用 Acrobat 正常将文件打印为 PDF，所有这些限制都会消失，但我失去了进行文本搜索和复制/粘贴文本的能力。 ...
我正在运行 Apache Tika，从一堆 MS Office 文档中提取文本。我的命令如下： java -jar "c:\path\to\tika-app-2.0.0.jar" -t ... （我在 Win10 的 MSYS2 终端上运行此命令）。收到很多类似这样的消息： INFO [main] 08:02:46,683 org.apache.tika.parser.ocr.TesseractOCRParser Tesseract is installed and is being invoked. This can add greatly to pro...
我正在处理一个 PDF（我用 LaTeX 创建），我需要将其转换为 MS Word 文档，但要保留 *完全* 原始的排版和设计。 由于所有从 PDF 到 Word 的转换器都会破坏一些东西，我认为最好 使用 PDF 作为 Word 文件的背景 添加一个 OCR 图层来选择文本（我不需要编辑文本；只是查看它并添加一些评论）。 有什么方法可以实现吗？将 PDF 的图像包含到 Word 中很容易，但我不知道如何在其上添加 OCR 层。 问候 ...
有没有 Linux OCR 工具可以提取此字幕而无需训练 LSTM？语言是葡萄牙语。一些图像裁剪和 Python 编码是可以接受的... 我找不到可以运行的 Tesseract 命令行。 ...
我必须对 500 多页的表格书进行 OCR，但制作者在每一页上都盖了章。有人能帮我处理它以便能够识别它吗，比如在 FineReader 中？在 Photoshop 中使用一些蒙版将其擦除？ ...
我的业务会产生大量手写笔记，这些笔记会被扫描并分类到客户的文件中。每个文件都有一个唯一的 5 位数字代码，该代码在扫描之前手写在页面上。我们的笔迹不一致，以至于 OCR 无法很好地识别文件编号。 有没有一种巧妙的方法可以快速手动标记纸质文档，使其信息在扫描后易于识别？我们无法提前打印条形码，而且这需要让办公室工作人员能够轻松完成。 我正在寻找一种简单的方法，让一些非技术人员可以快速手动添加信息，以方便自动对扫描进行分类。 如果有助于 OCR 处理，我们可以预先打印带有附加图形的页面。例如，我们可以在页面的特定部分打印类似 Scantron 表格的内容。 有简...
我有一部中国电影叫《新李最（2017）》带有韩语字幕，刻录其中。或者说“硬编码”。现在，对于法语、西班牙语或英语字幕的电影或任何使用 ABC 字母的电影，我当然可以使用 Subrip 和 Avidemux 对其进行 OCR，并将其转换为 .SRT 文件。但 Subrip 和 Avidemux 不会说韩语也不懂韩语。我该怎么做？ ...
我已经编写了我的第一个 bash 脚本。我的目标是让我的办公室“无纸化”。我有很多扫描的文档，我想用日期（通常位于每个文档的顶部）作为文件名前缀来保存它们。脚本应该执行以下操作： 在 pdf 上进行 ocr 在前 100 行中查找日期。日期采用德语格式，属于以下模式之一（这也是优先顺序）：a) 01.02.2020 b) 01. Februar 2020 c) 01. Feb. 2020 如果找到日期，则将其转换为以下格式的字符串：2020-02-01-，并将原始文件名重命名为生成的日期模式 2020-02-01-file-##.pdf（否则保留原始文件...
我有一些扫描的文件，我想从中复制文本。 Adobe Acrobat Pro 可以识别文本，但是文本被放置在一堆边界框中，因此不可能（？）标记所有文本并将其复制到其他地方。 有没有什么方法可以获取文档中的所有文本而无需单击每个框，或者通过让 AAP 忽略这些框，或者编写脚本等等？ 是否有其他软件更适合解决这个问题？ ...
我正在尝试自动记录《街头霸王》中的排名游戏 - 是的，我知道这很无聊。我有一个电子表格 我为每个排名游戏手动输入了以下内容： 对手的用户名 他们的性格 比赛前的积分 比赛前的我的观点 这不是什么大问题，但我们是超级用户，对吧？理想情况下，我希望能够截取显示此信息的屏幕截图 然后以某种方式通过 OCR 自动解析这些详细信息，以便我可以以某种方式进一步使用。我该怎么做？我不知道，但我确信这是可能的。 ...
我有几本日文杂志。我想把它们带上飞机阅读，但它们太重了，所以理想情况下，我考虑扫描这些页面并以 pdf 格式携带。但我喜欢做注释，所以需要可选择的文本。 实现这一目标的最简单方法是什么？（我听说可以使用 Adobe Acrobat，但我想要免费的工具） 编辑：我读到现代扫描仪具有 OCR 功能，所以今天我尝试扫描一页。我只得到了一张巨大的图像。无法选择文本。 :( ...