将图像转换为可搜索的pdf

Question

您好我正在寻找一个可以将tiff图像转换为可搜索的pdf（OCR）的开源Java API。我有研究但到目前为止没有找到任何结果。

注意 我看过这篇文章，但是这个API没有将图像转换为pdf Java OCR implementation。但是，我仍在使用代码。

Answer 1

您可以使用iText将图像转换为PDF。这里的难点在于进行OCR，而不是创建PDF。

我会警告你：任何值得使用的OCR引擎都会花费你很多钱。免费和/或开源的通常是宠物项目，某些算法或其他算法的概念证明。不适合现实世界的OCR应用程序。 Tesseract可能是最好的，但即便如此，其准确性远远超过商用引擎。

我们有一个商业OCR应用程序，我在评估引擎时一直沿着这条路走下去 - 我建议你咬紧牙关，联系引擎供应商并获得报价：Abbyy（最准确，最贵，更慢），Expervision（快速，不准确，中间道路价格），Nuance（道路中间速度，准确性和价格）。这些都不是用Java编写的，因此您应该花一些时间围绕其API开发JNI代码。

祝你好运 - 这是一个很大的项目！

Answer 2

楔形文字是免费且易于使用的，它将以特定格式输出，然后可以使用hocr2pdf工具在PDF上生成不可见的文本图层，这是ExactImage的一部分。