PDF 文字识别

工作原理：

• 提取文本： 使用 Tesseract OCR 从扫描的图像或 PDF 中识别文本。
• 可搜索输出： 创建一个带有不可见文本层的新 PDF，使您的文档完全可搜索，同时保留原始外观。
• 字符过滤： 使用白名单过滤掉不需要的字符并提高特定文档类型（发票、表单等）的准确性。
• 多语言支持： 为包含混合语言内容的文档选择多种语言。