如何提取 PDF 文档中的文字-（备注：文字被转曲线了）

2020 年 10 月 18 日
 Myprincess

文档中的文字排版不规则。有没有好的软件推荐。

5131 次点击
所在节点    程序员
37 条回复
rund11
2020 年 10 月 18 日
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
2020 年 10 月 18 日
@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
2020 年 10 月 18 日
@Porphet 都是 API 吗？有没有不依赖网络的能独立运行的库？
IsA26hN4DcQDS7Z9
2020 年 10 月 18 日
office 手机版扫描试试
bamboopainter
2020 年 10 月 18 日
打印出来，再用 scansnap 扫成电子版
Myprincess
2020 年 10 月 18 日
@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
2020 年 10 月 18 日
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
2020 年 10 月 18 日
有一大堆吧。51 破解？
dabaibai
2020 年 10 月 18 日
什么曲线？ svg ？
flynaj
2020 年 10 月 18 日
qq 带的 OCR Ctrl+ALT+O
dadaslele
2020 年 10 月 18 日
在线版本的，图片都能给你抠出来，支持 pdf2word，pdf2ppt 等等
https://easypdf.com/
Pichai
2020 年 10 月 19 日
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
2020 年 10 月 19 日
@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
2020 年 10 月 19 日
@dadaslele 刚转换一个 PDF，排版乱了
9LCRwvU14033RHJo
2020 年 10 月 19 日
@Porphet 很想知道有没有训练好的，27 楼那个不知道是不是。
Porphet
2020 年 10 月 19 日
@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
2020 年 10 月 19 日
用用 QQ 的 OCR,便捷,免费,在截图功能里面.

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://v2ex.ih06.com/t/716043

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX