OCRmyPDF-DotNet 1.0.6

OCRmyPDF-DotNet

Este é um pequeno wrapper, feito em .NET 8/C#, para o projeto OCRmyPDF.

Instalação

Após a instalação, é necessário fazer algunas validações:

Ambiente Windows

• Siga a instalação conforme este link.

Ambiente Linux

• Siga a instalação conforme este link.

Imagem Docker

Caso deseje criar uma imagem Docker, será necessário adicionar o seguinte código ao seu Dockerfile:

RUN apt-get update && \
    apt-get install -y python3.11 python3-pip

RUN apt install -y ocrmypdf

RUN apt-get install -y tesseract-ocr-eng tesseract-ocr-por tesseract-ocr-spa tesseract-ocr-fra

ENV PATH="/usr/bin:${PATH}"

RUN ln -sf /usr/bin/python3.11 /usr/bin/python && \
    ln -sf /usr/bin/python3.11 /usr/bin/python3

Uso/Exemplos

O método principal, StartProcess, espera a seguinte entidade:

public class Request
{
    public string PythonVersion { get; set; } = string.Empty;
    public string PythonHome { get; set; } = string.Empty;
    public string PythonDLL { get; set; } = string.Empty;
    public string InputFile { get; set; } = string.Empty;
    public string OutputFile { get; set; } = string.Empty;
    public string Language { get; set; } = "eng";
    public bool RedoOCR { get; set; } = false;
}

• A propriedade PythonVersion é a versão do Python que será utilizada. Caso não seja informada, será retornado um erro de versão não encontrada;
• A propriedade PythonHome é a instalação do Python que será utilizada, apenas para ambiente Windows. Caso não seja informada, será utilizada o valor padrão C:\Program Files\Python\Python e a versão enviada no PythonVersion;
• A propriedade PythonDLL é a DLL/SO que será utilizada. Caso não seja informada será utilizada a DLL/SO padrão do Python, para ambiente Windows é o python3.11.dll, exemplo, e para ambiente Linux é o /usr/lib/x86_64-linux-gnu/libpython3.11.so, exemplo;
• A propriedade InputFile será o arquivo a ser processado;
• A propriedade OutputFile será o arquivo processado e retornado;
• A propriedade Language é a linguagem do arquivo (pt/eng/etc...);
• A propriedade RedoOCR será utilizada quando o arquivo já é selecionável, mas ainda assim é necessário ser refeito o OCR;