在 Linux 上使用 gImageReader 從圖像和 PDF 中提取文本
為了簡化事情,gImageReader 在從 PDF 文件或包含任何類型文本的圖像中提取文本時非常方便。
無論你是需要它來進行拼寫檢查還是翻譯,它都應該對特定的用戶群體有用。
以列表總結下功能,這裡是你可以用它做的事情:
- 從磁碟、掃描設備、剪貼板和截圖中添加 PDF 文檔和圖像
- 能夠旋轉圖像
- 常用的圖像控制,用於調整亮度、對比度和解析度。
- 直接通過應用掃描圖像
- 能夠一次性處理多個圖像或文件
- 手動或自動識別區域定義
- 識別純文本或 hOCR 文檔
- 編輯器顯示識別的文本
- 可對對提取的文本進行拼寫檢查
- 從 hOCR 文件轉換/導出為 PDF 文件
- 將提取的文本導出為 .txt 文件
- 跨平台(Windows)
在 Linux 上安裝 gImageReader
注意:你需要安裝 Tesseract 語言包,才能從軟體管理器中的圖像/文件中進行檢測。
你可以在一些 Linux 發行版如 Fedora 和 Debian 的默認倉庫中找到 gImageReader。
對於 Ubuntu,你需要添加一個 PPA,然後安裝它。要做到這點,下面是你需要在終端中輸入的內容:
sudo add-apt-repository ppa:sandromani/gimagereader
sudo apt update
sudo apt install gimagereader
你也可以從 openSUSE 的構建服務中找到它,Arch Linux 用戶可在 AUR 中找到。
所有的倉庫和包的鏈接都可以在他們的 GitHub 頁面中找到。
gImageReader 使用經驗
當你需要從圖像中提取文本時,gImageReader 是一個相當有用的工具。當你嘗試從 PDF 文件中提取文本時,它的效果非常好。
對於從智能手機拍攝的圖片中提取,檢測很接近,但有點不準確。也許當你進行掃描時,從文件中識別字元可能會更好。
所以,你需要親自嘗試一下,看看它是否對你而言工作良好。我在 Linux Mint 20.1(基於 Ubuntu 20.04)上試過。
我只遇到了一個從設置中管理語言的問題,我沒有得到一個快速的解決方案。如果你遇到此問題,那麼可能需要對其進行故障排除,並進一步了解如何解決該問題。
除此之外,它工作良好。
試試吧,讓我知道它是如何為你服務的!如果你知道類似的東西(和更好的),請在下面的評論中告訴我。
via: https://itsfoss.com/gimagereader-ocr/
作者:Ankush Das 選題:lujun9972 譯者:geekpi 校對:wxy
本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive