Bytescout PDF Extractor SDK v13.4.1.4780 – Reliable PDF Extraction

وقتی اطلاعات مهم یک فایل PDF بین چند صفحه، جدول و تصویر پراکنده شده باشد، استخراج دستی آن وقت زیادی می گیرد و گاهی هم خسته کننده می شود. ByteScout PDF Extractor SDK به developer کمک می کند محتوای فایل های PDF را به شکل برنامه نویسی شده بیرون بکشد؛ از متن ساده گرفته تا جدول، تصویر، لینک و داده های ساختاریافته.

فایل های اسکن شده را هم می توان با OCR پردازش کرد. برای استخراج جدول ها و ستون ها، تنظیمات مختلفی وجود دارد و می شود محدوده مشخصی از صفحه را برای دریافت اطلاعات انتخاب کرد. چرخش صفحات، image preprocessing و نحوه مرتب شدن متن نیز قابل تنظیم هستند.

خروجی کار فقط به متن معمولی محدود نمی شود و می توان داده ها را در قالب هایی مثل CSV، JSON، XML، XLS و XLSX آماده کرد. extraction profiles هم کمک می کنند نحوه خواندن و جدا کردن اطلاعات متناسب با نوع PDF تغییر کند؛ موضوعی که هنگام کار با فایل های نامرتب یا اسکن شده اهمیت زیادی پیدا می کند.

ویژگی ها:

• استخراج متن و داده های ساختاریافته از PDF
• خواندن متن فایل های اسکن شده با OCR
• تشخیص جدول، ردیف و ستون
• تعیین محدوده دلخواه برای استخراج
• دریافت تصاویر و لینک های موجود در PDF
• تنظیم OCR preprocessing و چرخش صفحات
• استفاده از extraction profiles برای کنترل فرایند استخراج

مناسب برای:

اگر روی برنامه ای کار می کنید که باید اطلاعات PDF ها را به صورت خودکار دریافت و پردازش کند، این SDK برای چنین کاری در نظر گرفته شده است. در پروژه هایی که OCR، استخراج جدول یا تبدیل داده ها به فرمت های ساختاریافته اهمیت دارد، کاربرد بیشتری پیدا می کند.