开源OCR

Question

我正在寻找一个开源的OCR库在Linux上运行。我需要这个工作PNG和PDF。主要是我想从Java或Ruby接口这个库。任何想法，如果有什么可用的？

问候。

Answer 1

Cuneiform是免费的，做一个体面的工作。你可以调用它作为一个子程序，但没有语言的结合，我知道的。它不会直接读取PDF文件，但你可以很容易地拆开是养活他们楔形文字扫描图像序列的PDF文件。还有一些脚本来重新组装图像和文本返回到一个可搜索的PDF。

Answer 2

正方体是一个非常好的OCR引擎：https://github.com/tesseract-ocr/tesseract

该项目已通过惠普实验室推出，现在由谷歌继续和赞助（对于谷歌图书！）。它在Apache许可证下发布，并在Linux上运行。它使用Tiff或PNG文件;对于PDF文件，您将需要转换为这些格式之一。我想没有绑定，所以你应该调用这个软件作为子程序...

Answer 3

尝试tesjeract，它使用JNI调用Tesseract OCR API。

对于PDF，你需要首先转换成图像，使用GhostScript的，例如。