.net - 我有数十万页需要扫描和记录

Question

我有很多文件要扫描。每个文档都有大约 10 个不同的元数据标签，我希望能够通过这些标签进行搜索。

所以也许我正在考虑买一个巨大的扫描仪，扫描所有东西，但我该如何标记所有东西？我想我会把它们变成 pdf 文件，然后把它们放在 mysql 数据库中？做这个的最好方式是什么。我还想制作一个 GUI 以便能够搜索该数据库。我不想对所有文件进行 OCR，我只想为每个文件附加 10 个关键字。

请向我建议如何执行此操作的系统或程序。我希望可以从多台计算机上搜索到它

需要什么样的编程？

Answer 1

我最近帮助我妻子对她 30 年的创意写作进行了数字备份。她用数百个小笔记本手写了大约 15,000 页。

我们尝试使用平板扫描仪，但笔记本不能平放，她的扫描仪扫描一页最多需要 60 秒，而且有些笔记本更大，不适合她的 letter 大小的平板扫描仪。我知道存在更大、更快的扫描仪，但它仍然过于笨拙和耗时。

我们最终得到了一个安装在小三脚架上的数码相机，直指着书本打开的 table 。使用相机的交流适配器，这样您就可以连续使用数小时而无需更换电池。有些相机甚至可以通过计算机上的 GUI 进行操作，因此您不必冒险通过按下控件来移动它。如果你方便地完成所有这些设置，你可以快速翻页并每隔几秒拍一张照片。这个解决方案要快得多。

我们发现最好将所有照片拍成一本书，然后作为一项单独的任务将它们卸载到计算机上并分类和存档。只是因为将每个页面的相机 UI 更改为目录 UI 会减慢我们的速度。

大多数人都懒得在 RDBMS 中存储大图像，他们只是将图像的文件名存储为字符串，然后为标题、日期和关键字等其他属性添加列。异常(exception)情况是，如果您需要图像遵守 ACID 事务等，这可能不适用于您的情况。

如果您不打算进行 OCR，我想不出一种自动检测关键字的方法。您必须手动输入它们或从列表中选择它们。但同样，最好在捕获图像后将其作为“后处理”任务来完成。