私は、プログラムでPDFのCAD図面とプレーンな2D印刷を調べ、すべての寸法とページ上の寸法の位置を引き出す方法を探しています。私はこれを可能にする技術を求めています。OCRを使用してPDFから寸法を抽出する
私は幾分tesseractに精通しており、いくつかの奇妙なgd &の形を認識するように訓練し、1のvs |のような一般的なOcrのミスを混乱させる言語をセットアップします。 pdf図面からすべての「テキストブロック」または「テキスト付き画像ブロック」を抽出するソリューションで、この言語でtesseractを使用してそれらを実行することも理想的です。
また、leadtools、PDFBox、iText、TET、Adobe SDKを見てください。彼らの間でいくつかの比較をしようとしています。私は特に次元/数と形状を正確に認識することに興味があり、apiは位置情報も抽出する能力が必要です。これらのいずれかの過去の経験や、良いものや悪いものに対する有用な洞察は、大いに評価されるでしょう！
私たちの製品であるため、質問のLEADTOOLSに関する適切な情報を提供することができます。
PDFにテキストのイメージだけでなく実際のテキストが含まれている場合は、OCRを経由せずに直接抽出できます。これを行うには、the Leadtools.Pdf.PDFDocument.ParsePages() methodを使用してください。
テキスト領域と非テキスト領域の両方を含むイメージを扱う場合は、Leadtools.ImageProcessing.Core.AutoZoningCommandを使用してテキスト領域（領域）を分離し、それらの座標を取得できます。その後、OCRエンジンまたは独自のコードを使用できます。これを試しても満足のいく結果が得られない場合、他の先進的なオプションがありますが、実際のサンプルを見る必要があるかもしれません。ご希望の場合は、サポートファイルにサンプルファイルをメールで送信してください。
オンライン OCR APIがOKの場合、https://ocr.space/ocrapiは無料で、詳細な位置情報を返し、PDFを受け入れます。
{
"ParsedResults" : [
{
"TextOverlay" : {
"Lines" : [
{
"Words": [
{
"WordText": "Word 1",
"Left": 106,
"Top": 91,
"Height": 9,
"Width": 11
},