【工具】OCR方法｜不用下载额外的软件，提取扫描中英文PDF的目录文本的最优解！（一）

需求：
1）从PDF里快速提取目录；
2）不想下载任何软件。

我提取出来的目录文本会用于嵌入到PDF中，向PDF批量添加目录的软件以及软件的使用方法可以看我上一篇文章：PDF批量插入目录。

以下是我自己能想到的方案以及方案的测评结果，满星5星。
评分标准（根据目录提取的需求）：
1）安装便捷性；
2）中英文字形识别率；
3）数字识别准确率；
4）保持目录格式，或只需要少量的调整；
5）使用便捷性。

最后得到的方法是QQ+GPT3.5进行目录提取。

之后还有一篇文章，会写到用Python做OCR提取，这样能把提取过程扔到服务器后台，用起来更加方便（不用打开GPT也不用打开QQ了这样就）。

用来测试的目录图片示意：

一、用现有常用软件直接导出目录

这个方案是用常用的软件生成的，不需要下载其他奇怪的软件。

1 （推荐指数☆）QQ OCR文字识别

星星点：
1）即开即用
2）中文的字形识别特别准确

扣星星点：
1）没办法放后台运行
2）数字识别特别差，
3）格式特别乱，用来做目录提取要调整很久

识别结果：

摘要..
Abstract . . . . .......................................................[II第1章绪论...... . . . .. . .  .        
1.1︰研究背景...................................11.2国内外研究现状...... ... . . .. . . . . . . ............ .. ..... . ........2
1.2.1大整数分解的研究现状.... . . ... . . . .. .... . . . . ... . . . . . . . . .. .. 3
1.2.2一般数域筛法的研究现状..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 31.2.3最新研究进展..
.... . . . .. . ... . .. .. ... . . . . .. .. . . . . . .. ... 4
1.3论文的主要内容...............................................41.4论文的结构安排...... .... .... . . . . . . . .. . . ... . . .. . ..... . ... .....5
i . .  i   . . ... o
第2章相关理论基础........ . .. ............….…..72.1密码学基础.....................… ............72.1.1 密码学原理..... . . ..................…..。2.1.2公钥密码体制............i......................92.1.3 RSA 公钥密码体制....
2.2整数分解基础..... ......... . .... .. .. . ...... ... ......... ...... .9
2.2.1整数分解难题..... ... . . . . . . . . . . . . . . . . . . . . . . ... . .. ........ 102.2.2 常用的整数分解方法.... . . .... .... .. .. .. . . . ............. . .10
2.2.3 RSA因式分解挑战数....... . . . . . . . . . . . .. . . . . . . . .... . . .....122.2.4素数的判断...... . . . .......................……...........152.3 一般数域筛法简介.... . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . .. . . . ..... 15
….............….l7
2.3.1多项式选择..... ...... . . . . . . .. . .. . . .. . . . . . . . .... . . . . . .... 172.3.2筛数对.... . .
. . ... ... . . . . . . . . . . . . . ...... . . . ... . . . . ... . . ..17
2.3.3 线性方程组求解.......... . .. . . . . . . . . . . . . . . . . .. ... . . . . . . . .182.3.4﹑代数数的平方根求解.... . . . . . . . . . . . . . . . . . . . . . . . . . ... . . . . . . 182.4一般数域筛法的典型应用实例........ . . . . . . . . . . . . . . . . . . . . . . . . .192.4.1―分解RSA-768的多项式选择......... .. . . . . . . . . . . . . . . .. .....192.4.2 分解RSA-768的筛选及过滤..... . . .... . . . . . . . . . . . . .... . . . . .202.4.3 分解RSA-768的方程组求解..... . . . . . . . . . . . . . . . . . . . . . . . .... 212.4.4 分解 RSA-768的平方根求解...
1K小P·    . ... . . . . . . . . . . . ...... . . .. 21
2.5本章小结........... ... .. . .. . .. .. . .
第3章对线性多项式选择方法分析与比较....... . . . . . .. . . . . .. .

2 （推荐指数0星）GPT4 图像识别

GPT4我一直用着挺舒服的，直到碰到这个目录识别的需求。
它胡言乱语，恼火！

3 （推荐指数0星）GPT4 AI PDF插件

原本想着是不是原生的我prompt引导错了，用插件是不是就有救了，但是插件它！
压根不支持扫描PDF的识别，game over!

4 （推荐指数☆☆☆☆）QQ+GPT3.5结合

上面不是说QQ的文字识别贼精准嘛，但是目录的整理工作量很大。
但是GPT它又恰好是一个聪明的机器人，它平时胡言乱语但是正经工作不含糊。

所以可以这样：先QQ自动识别，然后一键复制给GPT，说：

订正这个目录：
摘要..
Abstract . . . . .......................................................[II第1章绪论...... . . . .. . .  .        
1.1︰研究背景...................................11.2国内外研究现状...... ... . . .. . . . . . . ............ .. ..... . ........2
1.2.1大整数分解的研究现状.... . . ... . . . .. .... . . . . ... . . . . . . . . .. .. 3
1.2.2一般数域筛法的研究现状..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 31.2.3最新研究进展..
.... . . . .. . ... . .. .. ... . . . . .. .. . . . . . .. ... 4
1.3论文的主要内容...............................................41.4论文的结构安排...... .... .... . . . . . . . .. . . ... . . .. . ..... . ... .....5
i . .  i   . . ... o
第2章相关理论基础........ . .. ............….…..72.1密码学基础.....................… ............72.1.1 密码学原理..... . . ..................…..。2.1.2公钥密码体制............i......................92.1.3 RSA 公钥密码体制....
2.2整数分解基础..... ......... . .... .. .. . ...... ... ......... ...... .9
2.2.1整数分解难题..... ... . . . . . . . . . . . . . . . . . . . . . . ... . .. ........ 102.2.2 常用的整数分解方法.... . . .... .... .. .. .. . . . ............. . .10
2.2.3 RSA因式分解挑战数....... . . . . . . . . . . . .. . . . . . . . .... . . .....122.2.4素数的判断...... . . . .......................……...........152.3 一般数域筛法简介.... . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . .. . . . ..... 15
….............….l7
2.3.1多项式选择..... ...... . . . . . . .. . .. . . .. . . . . . . . .... . . . . . .... 172.3.2筛数对.... . .
. . ... ... . . . . . . . . . . . . . ...... . . . ... . . . . ... . . ..17
2.3.3 线性方程组求解.......... . .. . . . . . . . . . . . . . . . . .. ... . . . . . . . .182.3.4﹑代数数的平方根求解.... . . . . . . . . . . . . . . . . . . . . . . . . . ... . . . . . . 182.4一般数域筛法的典型应用实例........ . . . . . . . . . . . . . . . . . . . . . . . . .192.4.1―分解RSA-768的多项式选择......... .. . . . . . . . . . . . . . . .. .....192.4.2 分解RSA-768的筛选及过滤..... . . .... . . . . . . . . . . . . .... . . . . .202.4.3 分解RSA-768的方程组求解..... . . . . . . . . . . . . . . . . . . . . . . . .... 212.4.4 分解 RSA-768的平方根求解...
1K小P·    . ... . . . . . . . . . . . ...... . . .. 21
2.5本章小结........... ... .. . .. . .. .. . .
第3章对线性多项式选择方法分析与比较....... . . . . . .. . . . . .. .

输出的结果GPT3：

又快又好啊！！！
扣一颗星是因为它没有弥补出部分丢失的页码信息。

5 （推荐指数☆☆☆☆）QQ+GPT4结合

同样，我还测试了GPT4的结果。
GPT4扣一颗星因为它响应比GPT3.5慢。虽然它甚至输出了缩进，但缩进在批量添加目录的软件里本来就可以自动添加，所以不构成优势。

但是优点是它补全了所有丢失的页码信息！太强了。

输出的结果GPT4：

总之，最好的方式是QQ识别+GPT3.5。

扩展阅读：【工具】FreePic2PDF+PdgCntEditor｜PDF批量添加书签（Windows）