将扫描的pdf文件转换为文本搜索的pdf文件
我想将扫描的pdf文件转换为文本可搜索的pdf文件。我想给一个输入扫描的PDF然后我的预期输出是可搜索的PDF。
很少有工具可以将扫描的pdf文件中的文本作为输出，但我希望可以搜索文本的pdf文件作为输出，而不仅仅是文本。
我在这里搜索了一下，找到了一个解决方案，但我的生产服务器是amazon centos，这个工具的安装只适用于ubuntu，不适用于amazon centos。
如果需要，我准备付钱。请帮助我给任何开源网络应用编程接口或付费网络应用编程接口服务的链接或任何可以转换为文本搜索的pdf文件的工具。
我在我的网络应用程序中使用PHP语言。
共有1个答案
有几种商业web API服务可以将扫描的PDF（或通常扫描的图像）转换为可搜索的PDF。其中，我建议尝试ABBYY的Cloud OCR SDK。他们已经在OCR领域工作了几十年，并使用自己的OCR引擎，根据我的观察和我从其他人那里听到的信息，与基于其他技术（如Tesseract）的API相比，该引擎往往能提供更好的OCR结果。
-
问题内容： 我有大量文本字符串，这些字符串显然是PDF文件的原始数据，我需要将其重新制作为PDF。 目前，我正在将字符串读取到StringBuffer中，但是如果需要，可以更改它。从那里，我尝试将其写到文件中并更改扩展名（我真的希望这样做能起作用，但是我有点不知道），我尝试将其带入String，然后从中取出byte []。并将其写入文件，或使用DataOutputStream将字节放入文件中。这些
-
问题内容： 按照目前的情况，这个问题并不适合我们的问答形式。我们希望答案得到事实，参考或专业知识的支持，但是这个问题可能会引起辩论，争论，民意调查或扩展讨论。如果您认为此问题可以解决并且可以重新提出，请访问帮助中心以获取指导。 7年前关闭。 我需要从现有的（X）HTML文档自动生成PDF文件。输入文件（报告）使用非常简单的基于表的布局，因此可能不需要支持真正精美的JavaScript / CSS。
-
问题内容： 我想将PDF文档转换为图像。我正在使用Ghost4j。 问题： Ghost4J需要gsdll32.dll文件在运行时，我也 并不 想使用的DLL文件。 问题1： 在ghost4j中，有没有办法在没有dll的情况下转换图像？ 问题2： 我在PDFBox API中找到了解决方案。convertToImage（）将PDF页面转换为图像格式。 PDF文档上只有文本。运行此代码时出现该异常： 问
-
问题内容： 我需要从现有的（X）HTML文档自动生成PDF文件。输入文件（报告）使用非常简单的基于表的布局，因此可能不需要支持真正精美的JavaScript / CSS。 由于我习惯于在Java中工作，因此最好在Java项目中轻松使用的解决方案。不过，它仅需要在Windows系统上工作。 一种可行的方法，但不会产生高质量的输出（至少是开箱即用的），一种方法是使用CSS2XSLFO和Apache F
-
我想把PDF文档转换成图像。我用的是Ghost4j。 问题：Ghost4J需要gsdll32。dll文件，我不想使用dll文件。 问题1：是否有任何方法，在ghost4j转换图像没有dll？ 问题2：我在PDFBox API中找到了解决方案<代码>组织。阿帕奇。pdfbox。pdmodel。PDPagep具有将PDF页面转换为图像格式的方法convertToImage（）。 我只有PDF文档上的文
-
问题内容： 我想将PDF文件转换为CSV文件。我为此使用iText库。程序运行正常，但输出格式不正确。所有数据都在csv文件的第一行中。输出应与pdf文件完全相同（表示带有换行符）。请帮忙。提前致谢。 问题答案： 您需要在每个表行之后在缓冲区中引入一个换行符’\ n’。