Пакетная программа OCR для PDF-файлов [закрыто]

Закрыто. Этот вопрос не по теме . В настоящее время он не принимает ответы.

Хотите улучшить этот вопрос? Обновите вопрос , чтобы он был по теме для переполнения стека.

Закрыт 3 года назад .

Об этом уже спрашивали, но я не знаю, помогут ли мне ответы. Вот моя проблема: у меня есть куча (около 10 000) файлов PDF. Некоторые из них были текстовыми файлами, которые были сохранены с помощью функции печати Adobe (так что их текст идеален, и я не хочу рисковать испортить их). А некоторые были отсканированными изображениями (поэтому в них нет текста, и мне придется довольствоваться OCR). Файлы находятся в одном каталоге, и я могу ' т сказать, что есть что. В конечном итоге я хочу превратить их в файлы .txt, а затем выполнить для них обработку строк. Поэтому мне нужно максимально точное распознавание текста.

Похоже, люди рекомендовали:

Adobe pdf (у меня нет лицензионной копии этого, так что ... плюс, если ABBYY finereader или что-то лучше, зачем платить за это, если я не буду использовать его )
ocropus (я не могу понять, как использовать эту штуку),
Tesseract (кажется, он был великолепен в 1995 году, но я не уверен, есть ли что-то более точное, плюс он не поддерживает PDF-файлы. изначально, и мне нужно преобразовать в TIFF. это создает свою проблему, поскольку у меня нет лицензированной копии acrobat, поэтому я не знаю, как преобразовать 10000 файлов в формат TIFF. плюс я не хочу 10000 30-страничные документы превратились в 30 000 отдельных изображений в формате TIFF).
wowocr
pdftextstream (это было с 2009 г.)
ABBYY FineReader (очевидно, это «$$$, но я потрачу 600 долларов, чтобы это сделать, если эта штука будет значительно лучше, т.е. имеет более точную опознавательную запись»).

Кроме того, я новичок в программировании, поэтому, если на то, чтобы научиться что-то делать, уйдут недели, я бы предпочел заплатить $ $ $. Спасибо за ввод / опыт.

Кстати, я использую 64-разрядную версию Linux Mint 11 и / или 64-разрядную версию Windows 7.

Вот другие темы:

Пакетное распознавание PDF-файлов, которые еще не были OCR

OCR с открытым исходным кодом

Подход к извлечению текста PDF с использованием OCR

https://superuser.com/ questions / 107678 / batch-ocr-for-many-pdf-files-not-already-ocred