将 pdf 转换为 txt
converting pdf to txt
我正在尝试将 pdf 转换为 Flint water crisis emails from Gov. Snyder 的文本。基本上，他们有 20k+ 页的电子邮件从 Outlook 打印出来，然后扫描为 .pdf 格式。 （令人讨厌，我知道。）我已经尝试过各种工具，如 Tesseract（直接使用和使用 ImageMagik 将 .pdf 转换为 .tif 之后使用），但我只是得到了一堆 gobbledeegook。
有没有人对如何处理这些文件有任何其他建议？我可以在 Acrobat Reader 中打开它们并复制所有文本，但结果格式很差且不一致，因此编写一个脚本来清理它非常具有挑战性。
提前致谢！
OCR 的质量直接取决于图像质量、文档格式和布局，以及您使用的 OCR 技术的质量和正确配置。随着文档复杂性的增加，通常您会从免费的 OCR 转向更强大的商业解决方案，以获得更高的 OCR 结果。如果您需要格式保存，那仅存在于少数商业 OCR 应用程序中。任何一家主要的 OCR 供应商都是您的答案。
考虑使用基于 Web 的 OCR-IT API (www.ocr-it.com) 进行此转换。 /市场上质量最高的 OCR 之一。我是该系统的原始开发人员之一，我们的目标是实现市场上的顶级质量。
此外，如果此转换是出于良好的事业和人民的利益，由非营利组织、非商业项目或只是一个善意的个人项目，我和我的朋友们想提供帮助。我们自愿并免费提供大量转换。我们在 return 中贡献我们的技能和高质量的 OCR 软件以获得非货币补偿，例如在您的项目中提及、在您的圈子中分享我们、传播我们的善意等。
我正在尝试将 pdf 转换为 Flint water crisis emails from Gov. Snyder 的文本。基本上，他们有 20k+ 页的电子邮件从 Outlook 打印出来，然后扫描为 .pdf 格式。 （令人讨厌，我知道。）我已经尝试过各种工具，如 Tesseract（直接使用和使用 ImageMagik 将 .pdf 转换为 .tif 之后使用），但我只是得到了一堆 gobbledeegook。
有没有人对如何处理这些文件有任何其他建议？我可以在 Acrobat Reader 中打开它们并复制所有文本，但结果格式很差且不一致，因此编写一个脚本来清理它非常具有挑战性。
提前致谢！
OCR 的质量直接取决于图像质量、文档格式和布局，以及您使用的 OCR 技术的质量和正确配置。随着文档复杂性的增加，通常您会从免费的 OCR 转向更强大的商业解决方案，以获得更高的 OCR 结果。如果您需要格式保存，那仅存在于少数商业 OCR 应用程序中。任何一家主要的 OCR 供应商都是您的答案。
考虑使用基于 Web 的 OCR-IT API (www.ocr-it.com) 进行此转换。 /市场上质量最高的 OCR 之一。我是该系统的原始开发人员之一，我们的目标是实现市场上的顶级质量。
此外，如果此转换是出于良好的事业和人民的利益，由非营利组织、非商业项目或只是一个善意的个人项目，我和我的朋友们想提供帮助。我们自愿并免费提供大量转换。我们在 return 中贡献我们的技能和高质量的 OCR 软件以获得非货币补偿，例如在您的项目中提及、在您的圈子中分享我们、传播我们的善意等。