Доступ к тексту, распознаваемому Acrobat OCR

Question

У меня есть файлы PDF, которые были «распознаны» с помощью функции распознавания текста OCR -> Распознать текст с помощью функции OCR в Acrobat.

Я хотел бы принять их в качестве загрузки (C # ASP.NET MVC) и иметь возможность извлекать эту информацию для целей индексации и поиска.

Я попытался открыть PDF-файлы и не нашел ни одного распознанного текста, поэтому предположил, что он сжати / или закодированы.

Есть идеи?

Answer 1

• В CodeProject есть статья, в которой объясняется, как можно извлекать текст из PDF с помощью C #.
• xpdf и poppler иметь pdftotext инструментов.