Convert Scanned PDF to Word in C#

Pendahuluan

File PDF yang dipindai sering kali menyimpan teks sebagai gambar, yang membuatnya tidak mungkin untuk memilih, mengedit, atau menyalin konten. Jika Anda perlu mengonversi PDF yang dipindai menjadi dokumen Word yang dapat diedit, teknologi Optical Character Recognition (OCR) menyediakan cara yang efisien untuk mengekstrak teks sambil mempertahankan format aslinya. Dalam artikel ini, Anda akan belajar bagaimana mengonversi PDF yang dipindai ke Word (DOCX atau DOC) secara programatis menggunakan C# dengan pustaka Aspose.OCR untuk .NET dan Aspose.Words untuk .NET.

Mengapa Mengonversi PDF yang Dipindai ke Word?

Ada beberapa alasan kuat untuk mengonversi PDF yang dipindai menjadi dokumen Word:

  • Mudah Mengedit Dokumen yang Dipindai: Modifikasi teks tanpa repot mengetik ulang secara manual.
  • Ekstrak Teks untuk Pemrosesan Lebih Lanjut: Gunakan teks yang diekstrak untuk analisis atau aplikasi lainnya.
  • Pertahankan Tata Letak dan Format: Jaga struktur dokumen asli sambil membuatnya dapat diedit.
  • Automasi Pemrosesan Dokumen Berbasis OCR: Integrasikan fungsionalitas ini ke dalam aplikasi C# Anda dengan mulus.

Daftar Isi

  1. Siapkan API OCR untuk Konversi PDF yang Dipindai ke Word
  2. Konversi PDF yang Dipindai ke Dokumen Word yang Dapat Diedit
  3. Mempertahankan Format dalam Konversi OCR
  4. Menangani Beberapa Halaman dalam PDF yang Dipindai
  5. Lisensi untuk Akurasi OCR Penuh
  6. Kesimpulan dan Sumber Daya Tambahan

1. Siapkan API OCR untuk Konversi PDF yang Dipindai ke Word

Untuk mengekstrak teks dari PDF yang dipindai dan mengonversinya menjadi dokumen Word, kita akan menggunakan:

Instalasi

Anda dapat dengan mudah menginstal API ini melalui NuGet dengan perintah berikut:

PM> Install-Package Aspose.OCR
PM> Install-Package Aspose.Words

Sebagai alternatif, Anda dapat mengunduh DLL dari Halaman Unduhan Aspose.

2. Konversi PDF yang Dipindai ke Dokumen Word yang Dapat Diedit

Ikuti langkah-langkah ini untuk mengonversi file PDF yang dipindai ke Word (DOCX atau DOC) dalam C#:

  1. Inisialisasi OCR dengan AsposeOcr.
  2. Ekstrak teks menggunakan DocumentRecognitionSettings.
  3. Simpan teks yang dikenali dalam StringBuilder.
  4. Buat dokumen Word menggunakan Aspose.Words.
  5. Terapkan format dan simpan sebagai DOCX atau DOC.

Contoh Kode

Berikut adalah contoh C# yang menunjukkan konversi PDF yang dipindai ke Word:

3. Mempertahankan Format dalam Konversi OCR

Meskipun ekstraksi teks OCR sangat kuat, itu mungkin tidak selalu mempertahankan format, font, dan gaya asli. Untuk memastikan format yang akurat, pertimbangkan tips berikut:

  • Manfaatkan Gaya Paragraf Aspose.Words untuk menerapkan format teks yang konsisten.
  • Atur properti font seperti ukuran, tebal, miring, dan perataan.
  • Sesuaikan margin halaman dan tata letak untuk meningkatkan output dokumen Word.

4. Menangani Beberapa Halaman dalam PDF yang Dipindai

Untuk PDF yang dipindai multi-halaman, penting untuk memproses dan menggabungkan teks dari semua halaman ke dalam satu dokumen Word. Untuk mencapai ini:

  • Lakukan loop melalui setiap halaman dalam PDF yang dipindai.
  • Kenali teks per halaman dan simpan dalam StringBuilder.
  • Tambahkan teks yang dikenali ke dokumen Word.

Pendekatan ini memastikan konversi PDF multi-halaman ke Word yang mulus.

5. Lisensi untuk Akurasi OCR Penuh

Secara default, Aspose.OCR beroperasi dalam mode evaluasi, yang mungkin membatasi akurasi pengenalan teks. Untuk membuka potensi penuh API:

🔹 Minta Lisensi Sementara Gratis untuk tujuan evaluasi.

6. Kesimpulan dan Sumber Daya Tambahan

Ringkasan

Dalam panduan ini, kami membahas:

✅ Menyiapkan Aspose.OCR untuk pemrosesan PDF yang dipindai
✅ Mengekstrak teks dari PDF yang dipindai dalam C#
✅ Mengonversi teks yang dikenali menjadi dokumen Word yang terformat
✅ Menangani konversi PDF yang dipindai multi-halaman ke Word

Dengan memanfaatkan Aspose.OCR dan Aspose.Words, Anda dapat dengan mudah mengonversi PDF berbasis gambar menjadi file Word yang dapat diedit. Mulailah membangun konverter PDF ke Word bertenaga OCR Anda di .NET hari ini hanya seharga $99! 🚀