OCR в окне x, y файла PDF

Question

Мне нужно найти утилиту с открытым исходным кодом или Linux, которая позволяет мне устанавливать координаты x, y в установочном файле.Затем я хотел бы последовательно открыть PDF-файлы, посмотреть в документах имя, фамилию и номер счета и сохранить файл с именем файла, состоящим из фамилии и номера файла.

Answer 1

Сначала вы можете прочитать некоторые из этих ответов:

• Библиотека Java для извлечения текста из документов PDF с сохранением пустых мест и строк
• Как извлечь текст из PDF?
• Как извлечь текст из документа PDF в определенной прямоугольной области?

Ответы выше не зависят от Linux.

Большинство документов PDF не нужно распознавать, поскольку текст содержится в PDF.Сложная часть извлекается. Java-версия iText (http://itextpdf.com/), вероятно, является лучшим инструментарием под Linux для извлечения текстовых строк PDF. Другой вариант может быть http://pdfbox.apache.org/

Если текстна самом деле нужно извлечь изображение, тогда вам, вероятно, потребуется преобразовать всю страницу PDF в формат изображения, такой как TIFF, и передать его в механизм распознавания текста, такой как Google Tesseract OCR.