OCR PDF Online u Javi. Pretvorite slikovni PDF u PDF koji se može pretraživati

U današnjem svijetu vođenom podacima, PDF-ovi su postali nezamjenjiv format za pohranjivanje i dijeljenje dokumenata. Međutim, nisu svi PDF-ovi lako pretraživi ili uređivani, posebno oni koji se temelje na slikama. Kada se radi o dokumentima, zaista je teško kopirati/izdvojiti bilo koju tekstualnu informaciju za dalju manipulaciju. Na sreću, sa snagom tehnologije optičkog prepoznavanja znakova (OCR), možete s lakoćom pretvoriti slikovne PDF-ove u PDF-ove koji se mogu pretraživati. U ovom tehničkom blogu ćemo istražiti kako pretvoriti OCR PDF u pretraživi PDF koristeći različite tehnike, s posebnim fokusom na REST API. Također ćemo razgovarati o tome kako izdvojiti tekst iz OCR PDF-ova, dajući vam sveobuhvatno razumijevanje kako iskoristiti OCR tehnologiju da biste otključali puni potencijal vaših PDF dokumenata.

• OCR PDF koristeći Java SDK
• Skenirani PDF u PDF koji se može pretraživati koristeći Javu
• OCR Online koristeći cURL komande

OCR PDF koristeći Java SDK

Aspose.PDF Cloud SDK za Javu je moćan API baziran na oblaku koji nudi širok spektar funkcija i mogućnosti za rad sa PDF dokumentima. Jedna od njegovih ključnih funkcionalnosti je mogućnost izvođenja OCR-a na PDF-ovima, što može uvelike pojednostaviti proces izdvajanja teksta iz PDF-ova baziranih na slikama i kreiranja PDF-ova koji se mogu pretraživati. Sa svojim korisničkim sučeljem i opsežnom dokumentacijom, ovaj SDK olakšava automatizaciju procesa izvođenja OCR-a na PDF-ovima, štedeći vrijeme i povećavajući produktivnost.

Štaviše, ovaj API zasnovan na oblaku dizajniran je da rukuje širokim spektrom formata unosa i čak može da prepozna rukom pisani tekst, što ga čini odličnim izborom za preduzeća i programere koji žele da pojednostave svoj tok rada sa dokumentima. Sada je prvi korak da dodate njegovu referencu u Java projekat dodavanjem sledećih detalja u pom.xml maven build projekta.

<repositories> 
    <repository>
        <id>aspose-cloud</id>
        <name>artifact.aspose-cloud-releases</name>
        <url>https://artifact.aspose.cloud/repo</url>
    </repository>   
</repositories>

<dependencies>
    <dependency>
        <groupId>com.aspose</groupId>
        <artifactId>aspose-pdf-cloud</artifactId>
        <version>21.11.0</version>
    </dependency>
</dependencies>

Ako nemate postojeći nalog, potrebno je da kreirate besplatan nalog preko Aspose Cloud. Prijavite se koristeći novokreirani nalog i potražite/kreirajte ID klijenta i tajnu klijenta na Cloud Dashboard. Ovi detalji su potrebni u narednim odjeljcima.

Skenirani PDF u PDF koji se može pretraživati koristeći Javu

Ovaj odjeljak objašnjava detalje o tome kako pretvoriti skenirani PDF u pretraživi PDF pomoću isječka Java koda. Imajte na umu da Java Cloud SDK podržava prepoznavanje sljedećih jezika: eng, ara, bel, ben, bul, ces, dan, deu, ell, fin, fra, heb, hin, ind, isl, ita, jpn, kor, nld , nor, pol, por, ron, rus, spa, swe, tha, tur, ukr, vie, chisim, chitra ili njihova kombinacija npr. eng,rus.

• Prvo moramo kreirati objekat PdfApi, gdje prosljeđujemo ClientID i Client secret detalje kao argumente
• Drugo, kreirajte instancu klase File za učitavanje PDF-a slike
• Treće, pozovite metodu uploadFile(…) da otpremite ulazni PDF u skladište u oblaku
• Kako naša slika PDF sadrži tekst na engleskom, moramo kreirati string objekt koji ima vrijednost “eng”
• Konačno, pozovite metodu putSearchableDocument(…), koja zahtijeva ulazni PDF i jezični kod kao argumente.

Kada se kod uspješno izvrši, pretraživi PDF se pohranjuje u pohranu u oblaku

try
    {
    // Preuzmite ClientID i ClientSecret sa https://dashboard.aspose.cloud/
    String clientId = "bb959721-5780-4be6-be35-ff5c3a6aa4a2";
    String clientSecret = "4d84d5f6584160cbd91dba1fe145db14";
	  
    // createPdfApi instanca
    PdfApi pdfApi = new PdfApi(clientSecret,clientId);
	    				
    // ulazna slika PDF dokument
    String name = "ScannedPDF.pdf";	        
	    			    
    // Učitajte datoteku sa lokalnog sistema
    File file = new File(name);
    // otpremite datoteku u pohranu u oblaku
    FilesUploadResult uploadResponse = pdfApi.uploadFile(name, file, null);
	    				
    // jezici koji se koriste u slikovnom PDF-u
    String lang = "eng";
	    				
    //  izvršite OCR na slikovnom PDF dokumentu
    AsposeResponse response = pdfApi.putSearchableDocument(name, null, null, lang);
	    
    // odštampati poruku o uspjehu
    System.out.println("OCR PDF successfull !");
    }catch(Exception ex)
    {
        System.out.println(ex.getMessage());
    }

Skenirani PDF korišten u gornjem primjeru može se preuzeti sa BusinessReport.pdf, a rezultirajući PDF koji se može pretraživati sa Converted.pdf

OCR Online koristeći cURL komande

Naredbe cURL su jedan od zgodnih pristupa za pozivanje REST API-ja. Dakle, u ovom odeljku ćemo koristiti cURL komande za OCR na mreži. Sada, kao preduvjet, moramo prvo generirati JWT pristupni token (na osnovu akreditiva klijenta) dok izvršavamo sljedeću naredbu.

curl -v "https://api.aspose.cloud/connect/token" \
-X POST \
-d "grant_type=client_credentials&client_id=bb959721-5780-4be6-be35-ff5c3a6aa4a2&client_secret=4d84d5f6584160cbd91dba1fe145db14" \
-H "Content-Type: application/x-www-form-urlencoded" \
-H "Accept: application/json"

Kada dobijemo JWT token, molimo sljedeću naredbu da izvršite OCR na mreži i pretvorite PDF sliku u PDF dokument koji se može pretraživati. Rezultirajuća datoteka se zatim pohranjuje u pohranu u oblaku.

curl -v -X GET "https://api.aspose.cloud/v4.0/words/Resultant.docx?format=TIFF&outPath=converted.tiff" \
-H  "accept: application/octet-stream" \
-H  "Authorization: Bearer <JWT Token>"

Zaključak

Izvođenje OCR-a na PDF-ovima je kritičan proces za otključavanje punog potencijala ovih dokumenata. Uz pomoć OCR alata baziranih na oblaku kao što je Aspose.PDF Cloud SDK za Javu, ovaj proces se može pojednostaviti i automatizirati, štedeći vrijeme i povećavajući produktivnost. Koristeći moć OCR-a, kompanije i programeri mogu transformirati PDF-ove zasnovane na slikama u PDF-ove koji se mogu pretraživati, čineći ih lakšim za pretraživanje, uređivanje i dijeljenje. Jasno je da ovaj API nudi niz moćnih karakteristika i mogućnosti za rad sa PDF-ovima. Slijedeći vodiče korak po korak koji se nalaze na ovom tehničkom blogu, možete započeti s OCR-om na PDF-ovima i podići tok rada dokumenata na višu razinu.

Možete razmotriti pristup API-ju unutar web pretraživača koristeći swagger interfejs. Nadalje, kako su naši SDK-ovi izgrađeni pod MIT licencom, tako da se kompletan izvorni kod može preuzeti sa GitHub. U slučaju da naiđete na bilo kakve probleme prilikom korištenja API-ja, slobodno nas kontaktirajte putem besplatnog foruma za podršku proizvodima.

povezani članci

Toplo preporučujemo da posjetite sljedeće linkove kako biste saznali više o:

• Pretvorite HTML u DOC koristeći Javu
• Kako pretvoriti XLSB u PDF u Javi
• Pretvorite PowerPoint u HTML u Javi
• Pretvorite PDF u JPG u Javi