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 replies • 2020-10-19 20:11:12 +08:00

Anthropic

Oct 18, 2020

1

OCR

Myprincess

OP

Oct 18, 2020

2

@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。

yiXu

Oct 18, 2020

1

3

@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

jedicxl

Oct 18, 2020

4

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

gcyrn

Oct 18, 2020

5

Adobe Acrobat

yiXu

Oct 18, 2020

6

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。

Myprincess

OP

Oct 18, 2020

7

@gcyrn 不行，试了。动不了。一个字都动不了。

jdhao

Oct 18, 2020 via Android

8

有没有样张看一下？

lichdkimba

Oct 18, 2020

9

量小的话手打出来可能最快。。

icyalala

Oct 18, 2020

10

ABBYY FineReader，可以设置原始字体来扫描

DreamSpace

Oct 18, 2020 via Android

11

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

yihaomizhijia

Oct 18, 2020

12

找个人力成本低的人手打就是了。上万字另说。

Myprincess

OP

Oct 18, 2020

13

@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。

tees

Oct 18, 2020

14

你这个只能 ocr 了

dsg001

Oct 18, 2020

15

天若 5.0，免费，使用百度接口，只要不太过分，识别率还行

Gathaly

Oct 18, 2020

16

投影法更正

9LCRwvU14033RHJo

Oct 18, 2020

17

天若、福昕都是完整的软件。有没有可用在程序里的 OCR 库？

Porphet

Oct 18, 2020

1

18

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

Arrowing

Oct 18, 2020

19

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

RioDoubleD

Oct 18, 2020

20

上个图看看，abbyy 可以调图片弯曲

rund11

Oct 18, 2020 via Android

21

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

icyalala

Oct 18, 2020

1

22

@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。

9LCRwvU14033RHJo

Oct 18, 2020

23

@Porphet 都是 API 吗？有没有不依赖网络的能独立运行的库？

IsA26hN4DcQDS7Z9

Oct 18, 2020

24

office 手机版扫描试试

bamboopainter

Oct 18, 2020 via iPhone

25

打印出来，再用 scansnap 扫成电子版

Myprincess

OP

Oct 18, 2020

26

@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。

miaomiao888

Oct 18, 2020

27

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

Lemeng

Oct 18, 2020

28

有一大堆吧。51 破解？

dabaibai

Oct 18, 2020 via Android

29

什么曲线？ svg ？

flynaj

Oct 18, 2020 via Android

30

qq 带的 OCR Ctrl+ALT+O

dadaslele

Oct 18, 2020

31

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

Pichai

Oct 19, 2020

32

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。

Porphet

Oct 19, 2020

33

@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

dany813

Oct 19, 2020

34

@dadaslele 刚转换一个 PDF，排版乱了

9LCRwvU14033RHJo

Oct 19, 2020

35

@Porphet 很想知道有没有训练好的，27 楼那个不知道是不是。

Porphet

Oct 19, 2020

36

@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

kasusa

Oct 19, 2020

37

用用 QQ 的 OCR,便捷,免费,在截图功能里面.