以下からOCR編集PDFを作成していますtesseract。
tesseract input.tif out pdf
hocrしかし、ファイルも必要ですtxt。最新バージョンtesseract すでにこの問題を解決しました。しかし、コンパイルが必要leptonicaで、同時にtesseract、あまり満足できません。
テキストファイルを抽出するために使用できますが、PDFから抽出する方法がpdftotext見つからないようです。hocr
答え1
次のコマンドを実行して、pdfとhocrの両方を作成できます。
tesseract input.tif out pdf hocr