### OCR是什麽 OCR，全名Optical Character Recognition，中译光学字元辨识， 因实务上还满常听到有这个需求要将图片或PDF转成文字， 以下分享一下研究心得以及如何在VBA里如何使用Tesseract-OCR达到上述目标。 ### OCR实际应用 实际应用举例如下： 1. 各大会计师事务所的财报搜寻系统基於OCR技术才得以实现，先蒐集所有公开发行 以上的公司财报，使用OCR软体，例如Adobe Acrobat、Abbyy或Ominpage等软体将PDF 转成可搜寻(searchable)的PDF，并将其字元存入资料库，最後再以网页的方式渲染出查询 结果。 2. 因应IFRS 16，若有大量辨识租约扫描档的需求，也可通过上述方法搜寻关键字。 3. 各大事务所在推的RPA(流程机器人)，其中最常用的RPA工具-UiPath， 它里面的函式库所可以做到将图片转成文字的功能，即是使用此篇文章要介绍的 Tesseract文字辨识引擎。 ### Tesseract-OCR Windows下载：https://github.com/UB-Mannheim/tesseract/wiki Github：https://github.com/tesseract-ocr/tesseract Tesseract是一开源OCR引擎，此开源专案目前由Google维护，支援超过100种语言， 以其辨识精准度及可训练辨识资料(training data)着称，虽是由C++写成， 但其余高阶程式语言，例如Python、Java、.Net都有包装器(Wrapper)可直接调用其 函式。 ### VBA使用Tesseract-OCR 影片教学：https://youtu.be/0Wx1Xk5WYX0 范例下载(xlsm)：https://tinyurl.com/ybj3dfhz 此教学难度较高，还需要加环境变数等，只下载上面的档案是没办法跑的， 如果想操作的可以看影片跟着操作，然後因为有些外国人会看我的教学， 原谅我的破英文.. 范例是辨识英文图片，若要辨识中文，其他程式语言还好处理， 但在VBA若要传回中文会比较麻烦，VBA作为一古老语言， 并没有很好的处理多语系的问题， 例如在命令提式字元(CMD)使用以下指令： C:\..\tesseract "imagePath" stdout -l chi_tra 可得到中文辨识结果，但在VBA使用Shell执行会变成乱码， 实际应用还是使用别种语言会方便得多。 -- Accoding: https://www.facebook.com/AccodingTW/ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 61.70.211.19 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Accounting/M.1592581971.A.410.html