Возможный дубликат:
Как извлечь текст с помощью OCR из PDF в Linux?
У меня есть несколько документов на английском и иврите, которые я отсканировал и преобразовал в формат PDF.
Есть ли какая-нибудь бесплатная или дешевая утилита, которая может обрабатывать отсканированный PDF и выполнять OCR, по крайней мере, на английском языке, предпочтительно также на иврите?
Спасибо!
Я нашел интересную идею, которая позволяет Google выполнять всю работу по распознаванию PDF-файлов для вас.
Я нашел список бесплатных программ для распознавания текста для Windows.
Однако эти программы нуждаются в вводе изображения, а не в вводе PDF. Для этого попробуйте конвертер PDF в JPG.
Лично я бы использовал Ghostview для преобразования их в изображение, а затем Tesseract для преобразования их в текст. Это абсолютно бесплатное кроссплатформенное решение с открытым исходным кодом, с которым я добился очень хороших результатов при попытке конвертировать простой текст. Я не использую его для сложных документов с таблицами и тому подобным, но для простого текста вы не можете превзойти цену.
