從PDF文件中提取文字是開發人員對PDF文件最常見、最普通的需求。Aspose.Pdf for .NET雖然允許你從.net程序的PDF文件中提取文字，但是它也有不完善之處。唯一的限制就是，不能從PDF文件中的圖像提取文字。

　　然而，Aspose.OCR for .NET的出現消除了該限制。在這篇文章中，通過分享一些細節來闡述如何一起使用Aspose.OCR for .NET和Aspose.Pdf for .NET這兩款組件，以提取PDF文件中的所有文字。

　　目前， Aspose.OCR for .NET允許你提取TIFF和BMP圖像中的文字。它支持Arial和Times New Roman字體，以及16pt/32pt號字體。在Aspose.OCR for .NET以后的版本中，會不斷添加新字體和其他屬性的支持。

　　為了從PDF文件和圖像中完整地提取文字，你必須要經過以下三個步驟：

* Extract Text from the PDF File
* Extract Images from the PDF File
* Extract Text from the Images

　　使用Facades中的PdfExtractor或者DOM API，可將文字從PDF文件中提取出來。請參閱以下題目中的代碼示例，以便了解從PDF文件中提取文字的相關操作：

*
*

　　提取圖像也有兩種方法: Facades or DOM API. 查看下列題目中的內容可進一步了解詳情
：

*
*

　　一旦使用上述兩種方法之一成功提取圖像，接下來就應該從這些圖像中提取文字。下面的代碼片斷可以幫助您從圖像中提取文字：

　　//initialize OcrEngine
OcrEngine ocrEngine = new OcrEngine();
//set the image
ocrEngine.Image = ImageStream.FromFile(“image.bmp”);

　　//add language and other attributes
ocrEngine.Languages.AddLanguage(Language.Load(“english”));
ocrEngine.Config.NeedRotationCorrection = false;
ocrEngine.Config.UseDefaultDictionaries = true;

　　//load the resource file
ocrEngine.Resource = new FileStream(“2011.07.02 v1.0 Aspose.OCR.Resouces.zip”, FileMode.Open);

　　//process the whole image
if (ocrEngine.Process())
{
Console.WriteLine(“Text :{0}”,ocrEngine.Text);
}

　　有關從圖像中提取文字和以上示例所涉及的源文件的更多詳情，請參考：