近期做OCR,要求支持 PDF 格式, 采用汉王的sdk, ,经测试 它居然不支持多页PDF ,只能识别出第一页,坑呀 。
与他们协商 ,说他们有个组件,可以实现,要价 1.5万 。
思路是:先调用他们的有个方法,把PDF拆分了,再遍历去掉OCR组件, 最后再组装成一个文书。
就这值1.5万。。。。这钱太好挣了吧。。
爷怒了 ,这个咱可以做, 1.5万,咱给公司省。 SO 。 苦逼的任务开始了。。。
各大网站与论坛,搜索。找到一些资料,下面是代码 。
要添加引用文件 itextsharp.dll (各大网站有Show,自行下载)
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Drawing.Imaging;
using iTextSharp.text.pdf;
using System.IO;
namespace ExtractImagesFromPDF
{
public class PDFToImages
{
public static void ExtractImagesFromPDF(string sourcePdf, string outputPath)
{
// NOTE: This will only get the first image it finds per page.
PdfReader pdf = new PdfReade