PDF：如何覆盖/修复扫描图像 + OCR 文件中的可搜索文本？

Question

我正在尝试在一个 PDF 文件上创建索引，我将其扫描为旧原稿中的图像，然后在 Adob​​e Acrobat Pro 中进行字符识别。问题是一些单词的间隔很有趣，所以 OCR 最终出现了缺陷。我使用了查找和修复嫌疑人工具，但仍然存在问题。

举个例子……

文本“FOR EXAMPLE”在原始文档（当然还有它的图像）中的间距很有趣，因此 Adob​​e 将其读取为三个单词“FOR EX AMPLE”如果我不知道的话，这会导致单词“ample”的索引条目看起来完全有效。这是迄今为止我发现的文档的几个类似问题之一（还有更多页面需要校对）。

如何修复底层 OCR 文本，使其在创建的索引 和 中包含正确的信息 在搜索文档时。

PS：我不能只切换到文档的纯 OCR 文本版本，因为手稿是技术性的，并且有很多与文本相关的图纸。我需要保留图像并更改下面的“隐藏”可搜索文本。

Answer 1

我发现 this answer 建议 ABBYY FineReader 14 （商业；我不附属）。看起来它将处理编辑，之后我假设您现有的工作流程将处理索引。 Here 是另一个提供更多工作流程细节的答案（尽管是三年前）。

另外，this question 的答案表明 Perl 的 CAM::PDF 和 pdftk。