问Azure计算机视觉API - OCR到PDF文件上的文本

EN

编辑

由于已提供了额外的服务，虽然我个人并没有尝试其中一些服务，但它们可能符合这个目的。

https://learn.microsoft.com/en-us/azure/search/cognitive-search-concept-intro

在将来的某一时刻，当它变成GA的时候。https://aws.amazon.com/textract/

原始答案

不幸的是，Azure没有PDF集成，因为它的计算机视觉API。要使用Azure计算机视觉，您需要自己将pdf更改为图像(JPG、PNG、BMP、GIF)。

Google do现在提供了pdf集成，到目前为止，我从测试中看到了一些非常好的结果。

这是通过vision客户端的asyncBatchAnnotateFiles方法完成的(我一直在使用API的NodeJS变体)

它可以处理多达2000页的文件，结果被分成20个页面段并输出到。

https://cloud.google.com/vision/docs/pdf

Microsoft最近提供的最新OCR服务称为https://westus.dev.cognitive.microsoft.com/docs/services/5adf991815e1060e6355ad44/operations/587f2c6a154055056008f200，它的性能明显优于以前的OCR引擎。识别文本现在可以与https://westus.dev.cognitive.microsoft.com/docs/services/5adf991815e1060e6355ad44/operations/2afb498089f74080d7ef85eb一起使用，它可以读取和数字化多达200页的PDF文档。

有一种新的认知服务API名为Azure Form Recognizer (目前处于预览阶段-2019年11月)，它将完成以下工作：

https://azure.microsoft.com/en-gb/services/cognitive-services/form-recognizer/

它可以处理所需的文件格式：

格式必须是JPG，PNG或PDF (文本或扫描)。文本嵌入PDF是最好的，因为在字符提取和定位方面没有出错的可能性。

https://learn.microsoft.com/en-us/azure/cognitive-services/form-recognizer/overview

下面是官方形式Recognizer文档的链接：

https://westus2.dev.cognitive.microsoft.com/docs/services/form-recognizer-api/operations/AnalyzeWithCustomModel

注意：

• 表单识别器目前有英文版本，其他语言的可用性也在增加(4.12.2019)
• 表格识别器可在下列Azure地区(4.12.2019)获得:加拿大，中欧，北欧，西欧，英国南部，中美洲，东美国，东美国2，中南美国，西美国https://azure.microsoft.com/en-in/global-infrastructure/services/?products=cognitive-services