Pdf 如何使用Tesseract

我正在尝试使用Tesseract（Tesser4j）OCR将PDF文件中的图像（每页都是扫描图像）转换为文本，但它不起作用：（参见代码中的注释）

publicstaticvoidmain（字符串[]args）引发IOException
{
Tesseract实例=Tesseract.getInstance（）；//JNA接口映射
PdfReader reader=新PdfReader（前言）；//PDF文件D:\PDF\test.PDF
int n=reader.getXrefSize（）；
PdfObject对象；
溪流；
//寻找图像和操作图像流
对于（int i=0；i

为什么

getPdfObject（）

总是返回

null

这个问题的答案与此无关。代码中还有一个更重要的错误：假设PDF中的每个流对象都是图像流。这是完全错误的。即使PDF的所有内容都由扫描的图像组成，您仍然会有其他流，例如定义扫描图像在页面上位置的页面内容流

您应该阅读我的答案，并从类中获取每个特定页面上所有图像的图像字节

请扔掉你的代码，重新开始。您已经复制/粘贴了我在我的书“iText in Action”的上下文中编写的一个示例，但您没有阅读我添加的关于此示例的警告。你必须站出来改进你的问题

public static void main(String[] args) throws IOException
{
    Tesseract instance = Tesseract.getInstance();  // JNA Interface Mapping

    PdfReader reader = new PdfReader(PREFACE); // a PDF File D:\pdf\test.pdf
    int n = reader.getXrefSize();
    PdfObject object;
    PRStream stream;

    // Looking for image and manipulating image stream
    for (int i = 0; i < n; i++)
    {
        object = reader.getPdfObject(i); // every time object null ?why
        if (object == null || !object.isStream())
            continue;

        stream = (PRStream)object;

        PdfImageObject image = new PdfImageObject(stream);
        BufferedImage bi = image.getBufferedImage();

        try {
            String result = instance.doOCR(bi); //take Buffered iamge to transfor ti 
            System.out.println(result);  
        } catch (TesseractException e) {
            System.err.println(e.getMessage());
            stream.clear();
        }
    }
}