2

我有来自扫描仪的 PDF 文档。此 PDF 包含由工作人员填写并签署的一天工作表格。我想在每种表单类型上放置 OCR 文本的条形码或标准区域，以便可以根据表单类型以编程方式将批量扫描拆分为单独的 PDF 文档。

我想在 Microsoft .net 2.0 中执行此操作

如果没有可用的开源名称空间/dll，我可以购买完成任务所需的 Adob​​e 或其他名称空间/dll。

4

6 回答 6

2

不是免费或开源选项，但您也可以将webSuperGoo 的 ABCPdf作为 Adob​​e 的另一种替代品。

于 2008-12-03T17:51:42.573 回答
1

您可以研究 iTextSharp 库，它可以拆分 pdf 文件。但这对于阅读实际的pdf并不是很好。所以我不知道它怎么知道在哪里拆分它们。

有些公司已经为您这样做了。您可以研究 kwiktag 公司。

于 2008-12-03T17:54:27.793 回答
1

iTextSharp 将帮助您将条形码拆分、重组和应用到 .NET 语言的 pdf 中。我不认为它可以 OCR 文档，但我没有看过（我使用了 Abby Fine Reader 引擎）。

于 2008-12-03T17:54:43.673 回答
1

从您的问题标题中，我假设您只需要拆分 PDF 文件并且它们已经是 OCR 了。有一些开源的 .NET PDF 库。我已经在自己的项目中成功使用了PDFSharp。

这是一个快速片段，展示了如何使用 PDFSharp 从 PDF 文档中剔除每一页：

string filePath = @"c:\file.pdf";

using (PdfDocument ipdf = PdfReader.Open(filePath, PdfDocumentOpenMode.ReadOnly))
{
    int i = 1;
    foreach (PdfPage page in ipdf.Pages)
    {
        using (PdfDocument opdf = new PdfDocument())
        {
            opdf.Version = ipdf.Version;
            opdf.AddPage(page);

            opdf.Save("page " + i++ + ".pdf");
        }
    }
}

假设您还需要访问文档中的文本以进行分组，您可以使用 PdfPage.Contents 属性。

于 2008-12-03T19:21:24.700 回答
0

你可以使用几个，试试这些免费工具：

于 2010-11-05T06:43:21.867 回答
0

查看 hp 在 90 年代后期开发的 c++ ocr 引擎周围的Tesseract .NET 包装器（v 2.04.0），它因其独创性而获奖

于 2010-11-05T06:35:58.017 回答