在 Linux 上使用 gImageReader 从图像和 PDF 中提取文本
简介：gImageReader 是一个 GUI 工具，可利用 tesseract OCR 引擎在 Linux 中从图像和 PDF 文件中提取文本。
gImageReader 是 Tesseract 开源 OCR 引擎的前端。 Tesseract 最初由 HP 开发，并于 2006 年开源。
基本上，OCR（光学字符识别）引擎可让您扫描图片或文件 (PDF) 中的文本。它默认可以检测多种语言，还支持通过 Unicode 字符进行扫描。
然而，Tesseract 本身是一个没有任何 GUI 的命令行工具。因此，gImageReader 可以帮助任何用户利用它从图像和文件中提取文本。
让我强调一下有关它的一些事情，同时提及我测试它时的体验。
gImageReader：Tesseract OCR 的跨平台前端
为了简化事情，gImageReader 可以方便地从 PDF 文件或包含任何类型文本的图像中提取文本。
无论您需要它进行拼写检查还是翻译，它都应该对特定用户组有用。
总结一下列表中的功能，您可以使用它执行以下操作：
从磁盘、扫描设备、剪贴板和屏幕截图添加 PDF 文档和图像
旋转图像的能力
用于调整亮度、对比度和分辨率的常用图像控件
直接通过应用程序扫描图像
能够一次性处理多个图像或文件
手动或自动识别区域定义
识别纯文本或 hOCR 文档
编辑器显示识别的文本
可以对提取的文本进行拼写检查
从 hOCR 文档转换/导出为 PDF 文档
将提取的文本导出为 .txt 文件
跨平台（Windows）
在 Linux 上安装 gImageReader
注意：您需要显式安装 Tesseract 语言包才能从软件管理器的图像/文件中进行检测。
您可以在某些 Linux 发行版（例如 Fedora 和 Debian）的默认存储库中找到 gImageReader。
对于 Ubuntu，您需要添加 PPA，然后安装。为此，您需要在终端中输入以下内容：
sudo add-apt-repository ppa:sandromani/gimagereader
sudo apt update
sudo apt install gimagereader您还可以从 openSUSE 的构建服务中找到它，AUR 将成为 Arch Linux 用户的地方。
存储库和包的所有链接都可以在其 GitHub 页面中找到。
gImageReader 体验
gImageReader 是一个非常有用的工具，可以在需要时从图像中提取文本。当您尝试使用 PDF 文件时，效果非常好。
对于从智能手机拍摄的照片中提取图像，检测结果很接近，但有点不准确。也许当您扫描某些内容时，可以更好地识别文件中的字符。
因此，您必须亲自尝试一下，看看它对您的用例有多有效。我在Linux Mint 20.1（基于Ubuntu 20.04）上尝试过。
我只是在设置中管理语言时遇到问题，但没有找到快速解决方案。如果您遇到该问题，您可能需要对其进行故障排除并详细了解如何修复它。
除此之外，它工作得很好。
请尝试一下，让我知道它对你有什么作用！如果您知道类似（甚至更好）的东西，请在下面的评论中告诉我。