PDF からテキストを抽出 (OCR を使用)

対応バッチ: Batch

メディアセット内の PDF ファイルに対して OCR を実行し、テキストを抽出します。

式カテゴリ: Media

引数

• 検出する言語 - 入力ファイルで検出する言語。
  Set<Enum<Afrikaans, Albanian, Amharic, Arabic, Armenian, Assamese, Azerbaijani, Azerbaijani - Cyrilic, Basque, Belarusian, さらに ...>>
• メディアリファレンス - メディアセット内の PDF ファイルへのメディアリファレンスを含む列。
  Expression<Media reference>
• OCR 出力形式 - 出力は文字列の配列になります。各エントリは PDF の 1 ページに対応します。
  Enum<Text, hOCR>
• 検出するスクリプト - 入力ファイルで検出するスクリプト。
  Set<Enum<Arabic, Armenian, Bengali, Canadian Aboriginal, Cherokee, Cyrillic, Devanagari, Ethiopic, Fraktur, Georgian, さらに ...>>
• オプション 終了ページ - ページ範囲の終了（含む）。デフォルトはドキュメントの最終ページです。負のインデックスをサポートしています。
  Expression<Integer>
• オプション エラーハンドリング - 処理に失敗した入力に対するパイプラインの動作を決定します。デフォルトは速やかに失敗します。
  Enum<Fail fast, NULL on error>
• オプション 開始ページ - ページ範囲の開始（含む）。デフォルトはドキュメントの最初のページ（1）です。
  Expression<Integer>

出力タイプ: Array<String>

例

例 1: 基本ケース

引数値:

• 検出する言語: {ENG}
• メディアリファレンス: mediaReference
• OCR 出力形式: {TEXT}
• 検出するスクリプト: {ARABIC}
• 終了ページ: null
• エラーハンドリング: FAIL_FAST
• 開始ページ: null