開源OCR

Question

我正在尋找一個開源的OCR庫在Linux上運行。我需要這個工作PNG和PDF。主要是我想從Java或Ruby接口這個庫。任何想法，如果有什麼可用的？

問候。

Answer 1

Cuneiform是免費的，做一個體面的工作。你可以調用它作爲一個子程序，但沒有語言的結合，我知道的。它不會直接讀取PDF文件，但你可以很容易地拆開是養活他們楔形文字掃描圖像序列的PDF文件。還有一些腳本來重新組裝圖像和文本返回到一個可搜索的PDF。

Answer 2

正方體是一個非常好的OCR引擎：https://github.com/tesseract-ocr/tesseract

該項目已通過惠普實驗室推出，現在由谷歌繼續和贊助（對於谷歌圖書！）。它在Apache許可證下發布，並在Linux上運行。它使用Tiff或PNG文件;對於PDF文件，您將需要轉換爲這些格式之一。我想沒有綁定，所以你應該調用這個軟件作爲子程序...

Answer 3

嘗試tesjeract，它使用JNI調用Tesseract OCR API。

對於PDF，你需要首先轉換成圖像，使用GhostScript的，例如。