如何从PDF中提取嵌入式OCR数据？

Question

我有带有嵌入式OCR数据的PDF文件。 （所以我已经orcd他们）所以他们是可搜索的。现在我想提取这个OCR数据，因为我想在我的tomcat6搜索服务器中输入。为此，我需要普通的OCR数据。 所以我的问题是，是否有可能从pdf文件中提取这个嵌入式OCR数据？ 获取带坐标的文件会很不错。但是获取纯文本文件也足够了。

Answer 1

您应该可以使用iText或iTextsharp执行此操作。然而，iTextsharp有0个文档，而且很多函数与iText中的函数不相同。

PDFSharp不支持iref流。这些都是唯一全面的开源解决方案。如果您不介意付费，vista解决方案可能适合您，他们主要处理工作流程，但他们也有一些非常广泛的pdf库。