OCR Read PDF-Image

Question

Hallo,

kennt wer eine DLL oder ähnliches wie man ein PDF-Dokument lesen könnte OCR- Dokument = Image Datei.pdf

Danke

Gruß Daniel

Answer 1

Hallo Daniel,

willst Du den Text einer PDF lesen? Oder eine OCR Erkennung durchführen?

Ersteres kannst Du bspw. mit Aspose.Pdf machen:

  http://www.aspose.com/.net/pdf-component.aspx

Letzteres mit Aspose.OCR:

  http://www.aspose.com/.net/ocr-component.aspx

Beide Komponenten sind nicht wirklich günstig, dafür aber richtig gut.

Zumindest für den Part "Plaintext lesen" kannst Du es auch mit diesen Komponenten versuchen:

  http://www.pdfsharp.net/

---

Gruß, Stefan
Microsoft MVP - Visual Developer ASP/ASP.NET
http://www.asp-solutions.de/ - Consulting, Development
http://www.aspnetzone.de/ - ASP.NET Zone, die ASP.NET Community

Answer 2

Hi Stefan,

danke für die Info.

Ich möchte den Text lesen. Ich suche eine open-source Lösung.

Werde es aber damit versuchen  http://www.pdfsharp.net/ - gebe noch Bescheid.

Vielleicht hat noch wer einen Tipp.

Danke

Gruß Daniel



 

Answer 3

Hallo Daniel,

d.h. das PDF Dokument hat den Text bereits?

Falls ja, schau mal hier:

  http://stackoverflow.com/questions/2550796/reading-pdf-content-with-itextsharp-dll-in-vb-net-or-c-sharp

Dann wäre iTextSharp evtl. auch was für dich.

Für PDFSharp schau mal hier:

  https://github.com/DavidS/PdfTextract

---

Gruß, Stefan
Microsoft MVP - Visual Developer ASP/ASP.NET
http://www.asp-solutions.de/ - Consulting, Development
http://www.aspnetzone.de/ - ASP.NET Zone, die ASP.NET Community

Answer 4

Hi Stefan,

ja, das PDF-Dokument hat bereits den Text.

Sehr gut, Danke!

Bin gerade dabei die Sachen zu testen.

Gruß

Daniel

Answer 5

Hi Stefan,

das PDF-Dokument was ich bearbeite - also wenn ich das PDF-Dok. aufmache habe ich nicht die Möglichkeit mit der Maus den Text zu markieren das ist ein Image-File.pdf

Also das sind eingescannt Eingangsrechnungen, und mein Ziel ist es den Text auszulesen...

Gruß Daniel

Answer 6

Hallo Daniel,

da kommst Du um eine OCR Erkennung nicht drumrum. Allerdings wäre es sinnvoller, wenn der Scanner das gleich macht. Die meisten Scanner können das von Haus aus.

---

Gruß, Stefan
Microsoft MVP - Visual Developer ASP/ASP.NET
http://www.asp-solutions.de/ - Consulting, Development
http://www.aspnetzone.de/ - ASP.NET Zone, die ASP.NET Community

Answer 7

Hi Stefan,

ja das stimmt, werde das Vielleicht auch machen.

Die Sachen oben wie: itextsharp funktionieren super aber nur bei einem pdf-dok mit text. :D

Danke

Gruß Daniel

Answer 8

Hallo Daniel,

wie gesagt, wirst Du nur mit OCR weiterkommen. Eine mögliche Option steht oben in meiner ersten Antwort, ich würde aber evtl. doch schauen, ob man nicht einmal einen Batchlauf über die bestehenden Dateien durchführt und neue Dokumente direkte beim Scan entsprechend verarbeitet.

---

Gruß, Stefan
Microsoft MVP - Visual Developer ASP/ASP.NET
http://www.asp-solutions.de/ - Consulting, Development
http://www.aspnetzone.de/ - ASP.NET Zone, die ASP.NET Community

Answer 9

Hallo nochmal,

ich lasse die Frage noch offen, vielleicht kennt wer eine Free DLL mit der man OCR erkennen kann.

Gruß

Danijel