1、pdf阅读器adobe acrobat DC v2019 008 20074
可以识别pdf书中的文字(图片上选择区域右键选复制,软件会自动ocr)
把pdf 每一页导出为图片
2、Tesseract-OCR
把图片识别为文本文件,google的开源项目
tesseract "F:\pdfTotxt\pdf\页面_023.jpg" txt023 –l eng
Powered by: 博客园 Copyright © 2024 季枫 Powered by .NET 8.0 on Kubernetes