Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Feature Request: Implement OCR engine for text recognition in image-based PDFs

Aperta
  • Qualcosa non va?
#288 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
38/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Attiva
Stack tecnologico
csharp
Ambito
backend, full-stack

Direzione di ricerca

Start by locating Filee's PDF-to-DOCX conversion flow and its existing handling of image-only PDF pages; the issue does not name files, tests, or entry points. Then assess how an OCR engine, an enablement setting, and language selection could fit that flow. Done means scanned PDF text can be recognized into editable, searchable DOCX content, with OCR optional and a primary language selectable.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

enhancement

What would you like Filee to do?
I would like Filee to integrate an OCR (Optical Character Recognition) engine. This system should automatically recognize and extract editable text from PDF files where pages are saved as images (e.g., scanned documents), instead of just rendering them as flat images inside the final .docx file.

Why / when would you use it?
Currently, when converting a PDF that consists of scanned pages or image-only text into Word format, Filee converts the pages back into images and inserts them into the document. This leaves the text completely uneditable. Introducing OCR would allow users to get fully editable and searchable Word documents from any type of PDF source, which is crucial for digitizing scanned documents.

Ideas for how it could work (optional — engine or library suggestions welcome)

  • Integrate an open-source OCR engine like Tesseract OCR (or an appropriate library depending on the language/framework Filee is built on).
  • Add a toggle switch or a settings option in the format selection menu (e.g., "Enable OCR / Text Recognition") so users can turn it on when processing scanned files.
  • Allow users to select the primary document language for better recognition accuracy.
Lingua principale
C#
Stelle
3.6k
Fork
192
Merge medio
3h 52m
PR unite (30g)
135

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di KnifeLemon/Filee

Tutte le issue di KnifeLemon/Filee

Issue simili

Altre issue su C#

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.