ocr - 需要用于打印源代码列表的良好OCR，有什么想法吗？

Question

在我的工作中，有时我需要获取一些打印的源代码，然后在文本编辑器中手动键入源代码。不要问为什么。

显然，键入它会花费很长时间，并且总是会花费额外的时间来调试键入错误(糟糕的地方，这里缺少“$”符号)。

我决定尝试一些OCR解决方案，例如:

Microsoft Document Imaging-内置了OCR

结果:错过了所有前导空格，错过了所有下划线，错误地解释了许多标点符号。

结论:比手动键入代码要慢。

各种在线Web OCR应用程序

结果:与Microsoft Document Imaging

相似或更差

结论:比手动键入代码要慢。

我觉得源代码将很容易进行OCR，因为字体是无衬线和等宽字体。

你们中有没有人找到一个可以很好地在源代码上运行的OCR解决方案？

也许我只需要一个更好的OCR解决方案(不一定是特定于源代码的)？

Answer 1

使用OCR，当前有三个选项:

Abbee FineReader和OminPage。两者都是商业产品，在功能和OCR结果方面都差不多。关于OmniPage，我不能说太多，但是FineReader确实支持读取源代码(例如，它具有Java语言库)。

最好的OSS OCR引擎是tesseract。它很难使用，您可能需要针对您的语言进行培训。

我很少进行OCR，但我发现在商用软件上花费150美元可以抵消到目前为止所浪费的时间。