Texte d'accès reconnu par Acrobat OCR

Question

J'ai des fichiers PDF qui ont été "reconnus" en utilisant la fonctionnalité OCR Reconnaissance de texte -> Reconnaître le texte en utilisant OCR dans Acrobat.

Je voudrais les prendre en téléchargement (C# ASP.NET MVC) et être capable d'extraire ces informations à des fins d'indexation et de recherche.

J'ai essayé d'ouvrir les fichiers PDF et je ne trouve aucun texte reconnu, donc je suppose qu'il est compressé et/ou encodé.

Des idées?

Answer 1

• Il existe un article sur CodeProject qui explique comment vous pouvez utiliser extract text from PDF en C#.
• xpdf et poppler ont pdftotext outils.