有啥软件或者服务可以做 PDF 文件的 OCR？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1203 天前的主题，其中的信息可能已经有所发展或是发生改变。

有很多扫描的老资料 PDF 想批量转换成文本方便检索

19 条回复 2022-06-26 17:45:24 +08:00

shyray

2022-06-25 17:30:44 +08:00 via iPhone

DEVONthink

Nasei

2022-06-25 17:36:30 +08:00

谷歌和微软都有 orc 的云服务 api

https://cloud.google.com/vision/docs/pdf

huandaeren

2022-06-25 18:35:21 +08:00 via iPhone

OCRmyPDF

em70 &nsp;

2022-06-25 18:52:40 +08:00

ABBYY FineReader
俄罗斯人开发的神器,OCR 转换效果极好,淘宝几元钱就能买到,支持命令行可以批量操作,就是有点耗 CPU

sunnysab

2022-06-25 19:53:41 +08:00 via Android

我印象里 ABBYY 对古籍等印刷不是很清晰的书效果一般，也可能是因为我版本老。耗 CPU 是真的！

我也来蹲一个。

kokutou

2022-06-25 20:22:50 +08:00

ABBYY

idblife

2022-06-25 20:40:14 +08:00

@em70
不知道是不是支持 api 调用，想写个程序把 pdf 批量转换成文本然后写入到 mysql 里。
我去看看文档

idblife

2022-06-25 20:41:25 +08:00

@Nasei
试用过 aws 的，对中文适配不太好

idblife

2022-06-25 20:48:44 +08:00

@em70
看到你回复里写命令行操作了，哈哈，跳跃性阅读了

KDr2

2022-06-25 21:14:32 +08:00

https://pdflux.com/

imydou

2022-06-25 21:27:52 +08:00 via iPhone

anbyy finereader 有按月的订阅

paopjian

2022-06-25 22:27:44 +08:00

pdf 转成图片再 ocr 不就行了,pymupdf pdf 转图片挺快得

idblife

2022-06-25 23:44:53 +08:00 via iPhone

@paopjian
主要是 ocr 不好解决

paopjian

2022-06-25 23:50:16 +08:00

@idblife 没懂 ocr 有啥不好解决的,我用的 paddleocr,配环境有点麻烦,配好了就是脚本跑了

Features

2022-06-26 00:26:25 +08:00

阿里云，百度云 API 吧
国内的头部厂家
本地软件根本没法比

shakoon

2022-06-26 07:41:35 +08:00 via Android

wps pdf ，开会员

zhouwb

2022-06-26 08:42:19 +08:00

这种免费的效果都不会太好，wps 会员应该是最便宜的方案

nyaruko

2022-06-26 12:51:19 +08:00

Word ？ 2019 及之后还有 Office 365 应该可以直接打开 PDF 的，但不清楚楼主这个 PDF 是什么情况

如果本身就能复制里面的文字应该可以直接转换成可编辑的 word 文档，如果里面是图片不好说

以及企业版的 O365 可以直接通过 SharePoint 索引 PDF 内的内容

idblife

2022-06-26 17:45:24 +08:00

@nyaruko
里面是图片的那种扫描文档