位置: 编程技术 - 正文

基于Python实现对PDF文件的OCR识别(利用python进行)

编辑:rootadmin

推荐整理分享基于Python实现对PDF文件的OCR识别(利用python进行),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:基于python的数据处理案例,基于python的,基于python的,基于python语言,基于python的数据处理案例,利用python进行,基于python语言,利用python进行,内容如对您有帮助,希望把文章链接给更多的朋友!

最近在做一个项目的时候,需要将PDF文件作为输入,从中输出文本,然后将文本存入数据库中。为此,我找寻了很久的解决方案,最终才确定使用tesseract。所以不要浪费时间了,我们开始吧。

1.安装tesseract

在不同的系统中安装tesseract非常容易。为了简便,我们以Ubuntu为例。

在Ubuntu中你仅仅需要运行以下命令:

这将会安装支持3种不同语言的tesseract。

2.安装PyOCR

现在我们还需要安装tesseract的Python接口。幸运的是,有许多出色的Python接口。

我们采用最新的一个:

3.安装Wand和PIL

在我们开始之前,还需要另外安装两个依赖包。一个是Wand。它是Imagemagick的Python接口。

我们需要使用它来将PDF文件转换成图像:

基于Python实现对PDF文件的OCR识别(利用python进行)

我们也需要PIL因为PyOCR需要使用它。你可以查看官方文档以确定如何将PIL安装到你的操作系统中。

4.热身

让我们开始我们的脚本吧。首先,我们需要导入一些重要的库:

注意:我将从PIL导入的Image模块改名为PI了,因为如果不这样做的话,它将和wand.image模块发生重名冲突。

5.开始

现在我们需要获得OCR库(在本例中,即tesseract)的句柄以及我们在PyOCR中将使用的语言:

我们使用tool.get_available_languages里的第二种语言,因为之前我曾尝试过,第二种语言就是英语。

接着,我们需要建立两个列表,用于存储我们的图像和最终的文本。

下一步,我们需要采用wand将一个PDF文件转成jpeg文件。让我们试一试吧!

注意:将PDF_FILE_NAME替换成当前路径下的一个可用的PDF文件名。

wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象,并把它们加入到req_image序列中去。

现在,我们仅仅需要在图像对象上运行OCR即可,非常简单:

现在,所有识别出的文本已经加到了final_text序列中了。你可以任意地使用它。

标签: 利用python进行

本文链接地址:https://www.jiuchutong.com/biancheng/386253.html 转载请保留说明!

上一篇:利用Python实现命令行版的火车票查看器(pytho命名规则)

下一篇:Python脚本处理空格的方法(如何用python编写脚本处理数据)

  • 小规模纳税人未达起征点增值税处理
  • 税盘是干什么用的
  • 按份共同保证和连带共同保证
  • 银行承兑汇票相当于贷款
  • 税务师考试的报名费怎么还没有退成功
  • 发票丢失了能开红字发票吗
  • 营业外支出影响损益吗
  • 产成品出库入库单
  • 资产类期末借方余额怎么算
  • 利润表中利润总额是什么
  • 转让专利属于什么分配
  • 行政事业单位收据样本
  • 全资子公司的利润有多少
  • 以前年度损益调整科目怎么用
  • 小规模企业发票跨月可以作废吗?
  • 接受捐赠的要交税吗
  • 属于制造费用的有
  • 销售货物或者提供应税劳务、服务清单怎么开
  • 股息红利个人所得税扣税失败
  • 直接计入所有者权益的利得是
  • 损失性费用的会计科目有
  • 未抵扣的进项税在资产负债表里怎么填
  • 进口报关单是什么样子的
  • 仓库间的调拨流程
  • 分公司需要计提利息吗
  • 如何开展分公司
  • 分期收款销售的商品属于存货吗
  • win11更新22468
  • 个体户税务申报需要什么资料和手续
  • PHP Warning:PHP Startup: in Unknown on line 0解决办法
  • kindeditor vue
  • 外贸企业代理出口销售的出口退税手续由谁办理
  • 用应付票据付应收账款
  • 所有者权益期末减期初等于净利润还是利润总额
  • 公司向股东借的钱怎么还
  • 退回以前年度多交的附加税怎么做分录
  • 创建command对象
  • electron引入vue
  • 公允价值计量转权益法例题
  • 以固定资产抵债发生的固定资产
  • 企业转让时应收账款如何处理
  • 开票一定要确认发票吗
  • 网上申报完还需要去税务局吗
  • python中lambda用法
  • sql server简单查询
  • 虚开发票的三种情形是?
  • 未完施工针对的是什么工程
  • 库存盘盈盘亏说明
  • 现金流量明细表怎么看
  • 母公司无偿借款给子公司
  • 个人承包公司运输违法吗
  • 哪些项目的进项可以抵扣
  • 财政总预算会计的主体是
  • 什么是资产减值准备计提
  • 固定资产为什么提折旧,有何实际意义
  • MSSQL 2005/2008 日志压缩清理方法小结
  • jquery常用的事件绑定函数有哪些
  • 全国县市区最多的省
  • 快启动u盘pe怎么安装系统详细图文教程
  • win7桌面卡死无响应
  • 微软被告
  • Win8如何根据需要自定义文件管理器导航窗格
  • Win10 Mobile build 10586.242提前上手体验
  • ERROR 1045: Access denied for user: root@localhost (Using password: NO)
  • opengl 顶点
  • java word操作
  • js 异步队列
  • vr虚拟现实技术
  • js原生dialog
  • js强制把网址设为密码
  • jQuery版AJAX简易封装代码
  • js function.call
  • js中checked什么意思啊
  • jQuery基于toggle实现click触发DIV的显示与隐藏问题分析
  • 组件中js可以做什么
  • 香港pcc价格
  • 公办幼儿园和企办幼儿园区别
  • 国税实名制信息采集
  • 加油发票如何抵扣
  • 税收是初次分配的手段
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设