在C#.net中的扫描图像中查找字符串

我想要一个C#程序，它可以搜索PDF文件中的字符串，该文件只包含扫描的图像。此外，代码应该显示搜索字符串所在的特定页面

例如，考虑一个PDF文件，其中包含了接收到的扫描图像（.PNG）。我想搜索收据号码。然后，该特定收据编号所在的页面应在PDF阅读器中打开

---

我想用MODI来完成这个任务。

嗯，这实际上是一个相当复杂的任务。我以前也尝试过类似的方法，但效果并不总是很好；然而，我创建的程序，目前拥有的，做了我需要它做得足够好的事情。它之所以对我有效，是因为我专注于页面的一个非常特定的区域，在那里我知道我会找到特定格式的文本。请注意，这只适用于打印文本。。。盖章或手写文本是一个痛苦的处理。有了足够的OCR培训，我相信这是可以解决的，但我没有额外的时间投入到这个项目中

您的结果将在很大程度上取决于您选择的OCR方法、扫描质量、是打字还是手写、扫描是否完全对齐或略微倾斜等

我不会给你任何代码，因为如果我给你，你将什么也学不到，但我会给你一些如何开始的提示。如果你陷入困境，在这里发布一个具体的问题，希望你能得到一些帮助

有很多方法，我尝试过的方法是将扫描的PDF文件转换成图像（每页一个）。然后，我通过识别算法运行图像，试图检索所有文本（在我的例子中，它是图像上的一个特定矩形）

因此，要将图像输出到PDF，可以使用Magick.NET之类的工具。它甚至可以通过NuGet获得，所以这应该是一个简单的部分。因为它是一个扫描过的PDF文件，所以你在获取图像时不应该有任何问题。有很多教程，如果你遇到困难，可以在这个网站上发布一个具体的问题

光学字符识别部分是难点；然而，有一些库可以帮助您，或者至少可以帮助您开始学习。我使用了tessnet2库（）

有一些C#wrapper可用，你甚至可以从NuGet找到一些东西。GitHub（）上有一个地方。另外，请看这里：和这里：

其中有些是给tessnet3的，有些是给tessnet2的。我已经成功地使用了tessnet2 32位版本，但其他版本没有成功。所以，让他们都去看看什么对你有用

---

提前知道你正潜入一个相当复杂的领域，如果你陷入困境或无法理解某些事情，不要感到沮丧。。。给它时间。

你为此尝试过什么吗？这个网站不是让人们为你工作的。请解释你尝试了什么以及失败的地方。如果你什么都没试过，那就举个例子吧。因为我是这个行业和.NET平台的新手，我不知道如何编写代码，但我不希望有完整的代码。我在问你关于实现我的任务的想法或任何暗示。我在网上搜索过，我得到的结果要么是提取图像，要么是从PDF文件中查找文本。但我两者都需要。请告诉我你有什么想法，即使不是莫迪。提前谢谢。谢谢你的宝贵建议。好的。我会试试的。