使用 gImageReader 从图像和 PDF 中提取文本

本上，OCR（光学字符识别）引擎可以让你从图片或文件（PDF）中扫描文本。默认情况下，它可以检测几种语言，还支持通过 Unicode 字符扫描。

然而，Tesseract 本身是一个没有任何 GUI 的命令行工具。因此，gImageReader 就来解决这点，它可以让任何用户使用它从图像和文件中提取文本。

让我重点介绍一些有关它的内容，同时说下我在测试期间的使用经验。

gImageReader：一个跨平台的 Tesseract OCR 前端

为了简化事情，gImageReader 在从 PDF 文件或包含任何类型文本的图像中提取文本时非常方便。

无论你是需要它来进行拼写检查还是翻译，它都应该对特定的用户群体有用。

以列表总结下功能，这里是你可以用它做的事情：

• 从磁盘、扫描设备、剪贴板和截图中添加 PDF 文档和图像
• 能够旋转图像
• 常用的图像控制，用于调整亮度、对比度和分辨率。
• 直接通过应用扫描图像
• 能够一次性处理多个图像或文件
• 手动或自动识别区域定义
• 识别纯文本或 文档
• 编辑器显示识别的文本
• 可对对提取的文本进行拼写检查
• 从 hOCR 文件转换/导出为 PDF 文件
• 将提取的文本导出为 .txt 文件
• 跨平台（Windows）

在 Linux 上安装 gImageReader

注意：你需要安装 Tesseract 语言包，才能从软件管理器中的图像/文件中进行检测。

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!