从PDF提取文本（使用OCR）

支持于: 批量处理

在媒体集中的PDF文件上运行OCR以提取文本。

表达式类别: 媒体

声明的参数

• 要检测的语言 - 要在输入文件中检测的语言。
  Set<Enum<南非语, 阿尔巴尼亚语, 阿姆哈拉语, 阿拉伯语, 亚美尼亚语, 阿萨姆语, 阿塞拜疆语, 阿塞拜疆语 - 西里尔文, 巴斯克语, 白俄罗斯语, 等...>>
• 媒体引用 - 包含媒体集中PDF文件的媒体引用的列。
  Expression<媒体引用>
• OCR输出格式 - 输出将是一个字符串数组。每个条目对应PDF的一页。
  Enum<文本, hOCR>
• 要检测的脚本 - 要在输入文件中检测的脚本。
  Set<Enum<阿拉伯语, 亚美尼亚语, 孟加拉语, 加拿大土著语, 切罗基语, 西里尔文, 天城文, 埃塞俄比亚文, Fraktur, 格鲁吉亚语, 等...>>
• 非必填 结束页 - 页面范围结束，包含在内。默认为文档的最后一页。支持负索引。
  Expression<Integer>
• 非必填 错误处理 - 确定对处理失败的输入的管道行为。默认为快速失败。
  Enum<快速失败, 出错时为NULL>
• 非必填 起始页 - 页面范围起始，包含在内。默认为文档的第一页（1）。
  Expression<Integer>

输出类型: Array<字符串>

示例

示例 1: 基本情况

参数值:

• 要检测的语言: {ENG}
• 媒体引用: mediaReference
• OCR输出格式: {TEXT}
• 要检测的脚本: {ARABIC}
• 结束页: null
• 错误处理: FAIL_FAST
• 起始页: null

---