excel版pdf ocr
Excel版PDF OCR是一种将Excel表格中的PDF文档转换为可编辑的Excel文件的技术。OCR（Optical Character Recognition，光学字符识别）是一种将图像中的文字转换为可编辑文本的技术。
Excel版PDF OCR的优势在于可以将PDF文档中的表格数据快速准确地转换为Excel文件，方便用户进行编辑、分析和处理。通过OCR技术，Excel版PDF OCR可以识别PDF文档中的文字、数字和表格结构，并将其转换为Excel中的单元格，保留原有的格式和布局。
应用场景：
- 数据整理和分析：将大量的PDF表格数据转换为Excel文件，方便进行数据整理和分析。
- 金融和会计领域：将银行对账单、财务报表等PDF文档转换为Excel文件，方便进行数据处理和统计。
- 商务合同和法律文件：将合同、法律文件等PDF文档中的表格数据转换为Excel文件，方便进行修改和管理。
- 研究和报告：将学术论文、市场调研报告等PDF文档中的数据转换为Excel文件，方便进行分析和展示。
腾讯云相关产品推荐：
腾讯云提供了一系列与OCR相关的产品和服务，可以满足Excel版PDF OCR的需求。
- 腾讯云OCR文字识别：提供了多种OCR识别服务，包括身份证识别、银行卡识别、表格识别等功能，可以用于将PDF文档中的表格数据转换为Excel文件。产品介绍链接：https://cloud.tencent.com/product/ocr
- 腾讯云云函数（Serverless）：可以结合OCR文字识别服务，实现自动化的Excel版PDF OCR功能。通过编写函数代码，将PDF文档上传至云存储，调用OCR服务进行识别，再将识别结果保存为Excel文件。产品介绍链接：https://cloud.tencent.com/product/scf
- 腾讯云对象存储（COS）：提供了可靠安全的云存储服务，可以用于存储PDF文档和转换后的Excel文件。产品介绍链接：https://cloud.tencent.com/product/cos
通过以上腾讯云产品和服务的组合，可以实现高效准确的Excel版PDF OCR功能，并满足用户在云计算领域的需求。
相关·内容
1回答
我有一个扫描的PDF，其中有一些表格格式的随机数据，并希望将其复制到Excel工作表。 我试过使用数字PDF，使用'tabula‘来提取表格，但扫描的PDF需要OCR(我在google上看到的)。我知道涉及到OCR (Tesseract)，但不知道我应该采取什么方法来解决这个问题。
浏览 7提问于2019-06-20得票数 0
我最近升级到Ubuntu14.04，但是gscan2pdf中的OCR停止了工作。我正在使用最新的gscan2pdf (1.2.4)与Tesseract和Cuneiform都可用。
在gscan2pdf中加载pdf文档时，两个OCR引擎都是可用的，它们看起来都在工作，但没有输出。我尝试使用各种旧版本的gscan2pdf，但都没有效果。它在13.10的时候运行得很好。这个功能对我的工作非常重要。
如果有任何想法，我将不胜感激。
浏览 0提问于2014-04-25得票数 2
目标:1.选择PDF 2. tabels 3.使用单文件.exe扩展表格
脚本工作在Pycharm完美，但在编译后，我得到这个回溯。
Traceback (most recent call last):
File "OCR_Menu.py", line 26, in <module>
File "ocrmypdf\api.py", line 340, in ocr
File "ocrmypdf\_validation.py", line 240, in check_options
AttributeError: '
浏览 11提问于2022-07-06得票数 0
3回答
我有一个PDF文件包含一些表格数据。
我必须从其中提取表格数据。我试过以下几点，但没有成功：
选择文本并将其粘贴到记事本/excel工作表上。(我得到的是垃圾人物)
用作Acrobat的文本保存。它也是给垃圾字符，而不是实际的文本。
尝试ApachePDFBox命令行实用程序从PDF中提取文本。它也是给垃圾字符，而不是真正的文本。
最后，我正在尝试一个OCR解决方案。我正在使用.tif将pdf文件转换为ImageMagick图像，并通过tesseract OCR处理这些图像。
然而，OCR解决方案并不十分精确(大约80%的单词匹配)。
我尝试改变由PDF创建的图像的密
浏览 2提问于2012-09-07得票数 4
回答已采纳
我不是专业的程序员。我想要一个简单的方法，从pdf中提取文本，并将文本保存到Excel中。
我认为Uipath可以使用OCR提取文本。但我不认为这是一个非常可靠的方法。
我可以使用Uipath通过一种比OCR更可靠的方式进行文本提取吗？
我可以使用Python，R或其他用户友好的软件从pdf中提取文本吗？
谢谢!
浏览 16提问于2020-07-13得票数 0
1回答
如何使用solr 6.4.1配置Tika OCR。我索引的文档包括PDF，图像和MS办公文档，但问题是，Tika没有从图像中提取文本，也没有从PDF和MS办公文档中提取文本。为此，我研究了使用Tika OCR。为此，我正在安装tika-app-1.7.jar和Tesseract，但是我不知道如何用我的solr核心来配置它们。
浏览 4提问于2017-03-25得票数 2
回答已采纳
2回答
我需要从pdf文件中获取数据及其标头，以便进一步与DB数据进行比较 我试着使用pdfbox，google vision ocr，itext，但是所有的库都没有结构和头文件。 示例: Date\nNumber\nStatus\n12\12\2020\n442334\delivered 我会尝试将pdf转换为excel/word并从中获取数据，但为了实现这一点，我需要读取pdf并将数据写入excel/word。 如何获取带headers的数据？
浏览 54提问于2020-04-17得票数 0
回答已采纳
1回答
OCR客户发票
、、、、
是否有任何例子，如何开发OCR模块在Odoo阅读客户发票从pdf/图像。请有人指导的可能性或链接显示的例子，以开发这样的模块。提前谢谢！
浏览 24提问于2022-04-27得票数 0
我正在寻找一个OS程序，将迅速和简单地转换一个PDF到一个可搜索的文本PDF。
理想情况下，我想：
将PDF文件放到应用程序的图标上
该应用程序自动将PDF转换为可搜索的文本，然后覆盖原始文件。
我目前有ABBYY FineReader和Acrobat，但这两个程序都没有提供快速拖放OCR转换。
浏览 0提问于2016-09-26得票数 1
1回答
在r中的pdf上执行ocr时出错
、、、、
在r中的pdf上尝试OCR，这给了我错误。运行代码后，也会生成"i.txt“文件，但仍然会出现错误。
pdftoppm version 4.00
Copyright 1996-2017 Glyph & Cog, LLC
Usage: pdftoppm [options] <PDF-file> <PPM-root>
-f <int> : first page to print
-l <int> : last page to print
-r <number> :
浏览 3提问于2017-09-20得票数 0
11回答
是否有任何免费的OCR软件(用于Linux和/或Windows)可以像Acrobat那样将PDF扫描文档作为输入并输出可搜索的PDF？
使用可搜索的PDF格式，我的意思是OCRed文本在原始文本上是不可见的，可以用鼠标选择并复制。
我知道Linux上的gscan2pdf可以这样做，但是文本被放置在页面的左上角，而且太小了，与背景扫描页面上的文本完全不同步。这是因为gscan2pdf将整个页面提供给OCR引擎。它应该将图像分解成小图像，用单行文本或小段落发送到OCR软件。
浏览 0提问于2014-04-20得票数 72
回答已采纳
1回答
我有一个要更新的表。在我的表中，如果一列有重复项，则将其与其匹配项分组在一起。其中一份文件是原件。我需要更新我的表，以使组Id等于原始文档。因此，如果所有文档属于同一组，则它们必须具有相同的统一标题。例如，OCR0000000006和OCR0000000008都有统一的标题06000146.pdf。
下面是我的表格示例：
DOCID Duplicate_Group Duplicate_Principal Duplicate_Similarity Unified_Title
OCR0000000001 OCR0000000001 Yes
浏览 0提问于2014-03-22得票数 0
我有一个pdf的数据表，但它只是一个图像。这意味着，我不能从中复制和粘贴值，并且OCR不可用。有没有一种方法可以使用textract (或其他服务)将数据表转换为excel？
浏览 18提问于2020-09-17得票数 1
1回答
我正在尝试使用perl从扫描的PDF中获取文本，所以我在perl中使用了PDF::OCR2模块，但我无法安装此模块，安装Image::OCR::Tesseract模块失败，我使用的是CentOS7，这是我在安装过程中的错误。
one dependency not OK (Image::OCR::Tesseract); additionally test harness failed
/usr/bin/make test -- NOT OK
//hint// to see the cpan-testers results for installing this module, try:
浏览 17提问于2016-08-19得票数 0
从Excel 2007到2016，我尝试使用简单的VBA代码将工作表导出为pdf文件。在以前版本的Excel中工作得很好，但现在我得到了-2147417848 (80010108)自动化错误:调用的对象已与其客户端断开连接。这是我的代码： ActiveSheet.ExportAsFixedFormat Type:=xlTypePDF, FileName:="C:\Users\jiric\xxx.pdf", Quality:=xlQualityStandard, IncludeDocProperties:=True, IgnorePrintAreas:=False, O
浏览 86提问于2019-02-17得票数 0
3回答
是的，经过几个小时的搜索，我没有为excel vba找到任何东西，这让我感到惊讶。找到了一些vbs，我试着把它移植过来，但没有运气。我已经设法将pdf文本导入到表单中，并搜索它，这是很好的，但这将不允许我实际上突出显示的pdf明显。
我想做的是打开PDF文档，搜索它们的关键字，然后高亮显示这些单词并保存。我有acrobat，所以一定有某种API可以让我用excel vba来完成这个任务吗？我是否需要使用像iText这样的开源库？
我看到的一些vbs涉及逐个字母地查找文本，然后在其周围绘制矩形并用javascript着色，这似乎是不必要的复杂(无论如何，端口无法工作.)。
CLARIFICATI
浏览 3提问于2014-04-01得票数 0
我正在使用Microsoft Azure Computer Vision进行OCR PDF提取。当我尝试执行OCR时，它给出的错误为 Read PDF With OCR: Error performing OCR: MicrosoftAzureComputerVisionErrorRunEngine 在这件事上，有人能支持我吗？
浏览 31提问于2020-07-01得票数 0
我正在使用ocrmypdf库将扫描的pdf转换成可搜索的pdf，但我得到了这个错误。
这是我目前正在运行的代码
import ocrmypdf
ocrmypdf.ocr('/content/drive/MyDrive/Dataset 2020/OCR/1081975.pdf', 'output.pdf')
错误:-
AttributeError: module 'ocrmypdf' has no attribute 'ocr'
浏览 5提问于2020-11-24得票数 1
回答已采纳
我在uipath是新的，我使用PDF活动来读取与Google的Pdf文本，因为我想得到包含图像的pdf文本。
首先，我只使用Pdf文本，它工作得很好。然后，我使用Pdf与OCR，然后它显示了这个错误。
但是当我运行它时，它给出了一个错误：-
"Google OCR : Error performing OCR: TessErrorLoadEngine"
Please help me to read the Pdf file.
浏览 9提问于2017-09-11得票数 0
3回答
我试图使用Tesseract OCR在多个大pdf文件上执行OCR (~400-600页)。我不一定要从所有页面中提取文本，但我只想要几页(页码已知)。PDF文件似乎已经在上面执行了某种OCR，但这不是一个好工作。当我运行用木星编写的代码时：
import pdf2image
from PIL import Image
import pytesseract
import cv2
import numpy as np
pytesseract.pytesseract.tesseract_cmd = r"C:/Program Files/Tesseract-OCR/tesseract.ex
浏览 10提问于2021-06-06得票数 2
因此，我将一个简单的Python脚本组合到OCR，一个PDF：
from PIL import Image
from tika import parser
import argparse
import img2pdf
import ocrmypdf
def main():
parser = argparse.ArgumentParser(description="Get text from image.")
parser.add_argument("image_path", metavar="i", help="
浏览 3提问于2021-06-14得票数 1
回答已采纳
我有很多PDF文件，基本上是扫描文档，所以每一页都是一个扫描图像。我想要执行OCR并从这些文件中提取文本。我尝试过pytesseract，但它不直接对pdf文件执行OCR，因此，作为一项工作，我希望从PDF文件中提取images，将它们保存在目录中，然后直接在这些图像上使用pytesseract执行OCR。在python中有没有从pdf文件中提取扫描图像的方法？或者有任何方法可以直接对pdf文件执行OCR？
浏览 1提问于2018-05-26得票数 0
回答已采纳
我有下面的代码，它适用于大多数图像类型。但由于某些原因，它不适用于只包含1页和pdf的tiff图像。 我有这个错误： 回溯(最近一次调用)：文件"/Users/fatiatravaille/Downloads/ocr_json/test.py"，第8行，在"/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages/PIL/Image.py"，= Image.open(r './radio_lomb_300.tiff‘)文件UnidentifiedImage
浏览 170提问于2021-09-23得票数 0
1回答
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：
Exec=bash -c 'f="%u"; ocrmypdf "$f" "${f%.pdf}_ocr.pdf";'
它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。但是，我更希望命令在终端(konsole)中运行，这样我就可以看到进程。
为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf "%u" ocr_en.pdf
但是没有输出，保持输入的名称。
像这样
浏览 0提问于2022-11-30得票数 0
回答已采纳
在这里，我是新手，我在编译代码时遇到了这个错误：
OCR ocr = new OCR();
PDFReader reader = new PDFReader(new File("C:\\Users\\pc\\Downloads\\chk1.pdf"));
reader.open(); // open the file.
int pages = reader.getNumberOfPages();
for(int i=0; i<pages; i++) {
BufferedImage image
浏览 1提问于2014-02-24得票数 0
Windows Server 2012是否支持PDF文档的OCR-ing，以便连接到Windows Server上共享磁盘的Windows用户可以使用Windows Explorer中的内置搜索功能查找包含特定单词的PDF？
或者，如果有插件或第三方解决方案可以实现这一点？
浏览 0提问于2014-02-11得票数 0
2回答
如何用魔杖改变图片的对比度？
、、、、
下面的图片用在Tesseract OCR上：
我处理图片的代码是：
# HOCR
with image[450:6200, 840:3550] as cropped:
imgPage = wi(image = cropped)
imageBlob = imgPage.make_blob('png')
horas = gerarHocr(imageBlob)
def gerarHocr(imageBlob):
image = Image.open(io.BytesIO(imageBlob))
markup = pytessera
浏览 5提问于2020-01-07得票数 1
回答已采纳
2回答
我的应用程序使用Ghostscript在图片框中显示PDF。我使用的PDF是带有文本层的扫描图像。由Acrobat中的OCR函数创建。此OCR功能根据文本的方向自动设置方向。当页面显示在图片框中时，此信息将丢失。它只显示肖像模式下的每一页。
是否有方法让Ghostscript访问PDF的这个属性并在图片框中以正确的方向显示它？
public Form1()
{
InitializeComponent();
_viewer = new GhostscriptViewer();
_viewer.DisplaySize += new Ghost
浏览 1提问于2014-07-20得票数 0
回答已采纳
我有一个目录的jpg文件，是扫描我的手写笔记。如何将它们转换为一个将文件名作为书签的pdf文件？
(我最终也想加入ocr。如前所述，我们可以使用.jpg将.pdf文件转换为img2pdf .jp --output combined.pdf，然后可以使用ocrmypdf combined.pdf combined_ocr.pdf添加ocr。我的问题主要是如何确保pdf文件有书签(由文件名创建)，以便文档易于浏览。
浏览 0提问于2021-09-23得票数 0
1回答
我有以下代码，OCR的所有PDF文件都在一个特定的文件夹中(d：\exttmp2)，但它没有按我的意愿重命名这些文件，也没有将新文件放在正确的位置。
目前，所有文件都在‘exexttmp2’的子文件夹中。
OCR运行正常，但我希望将OCR‘’ed文件重命名为：<parent folder path>-<filename>_ocred.pdf。以这种方式命名它们将不会产生任何文件覆盖。
当前，代码OCR是文件，但它将新文件保存到它们所在的文件夹之上的文件夹中。它还将文件名保存为"JAN_ocred.pdf"，例如，对于名为"JAN.pdf“的文件。
浏览 2提问于2021-06-09得票数 0
回答已采纳
3回答
我四处寻找一个OCR库-最好是开源的-我可以在一些阿拉伯语pdf上使用它。在谷歌上搜索也没有找到任何有用的东西。我想知道是否有人知道相关的OCR库，甚至可以在相关语言(波斯语和乌尔都语可能是相关的)上工作的库，可以添加阿拉伯语支持。
任何关于如何实现这一点的一般性建议都将不胜感激。
浏览 5提问于2011-01-15得票数 15
我正在使用FSCrawler的REST功能来扫描上传的PDF。我目前使用的是ocr pdf策略，但是ocr_and_text等待响应的时间太长了。我想把pdf同步地发送到fscrawler以使用文本提取，如果这不起作用，发送到一个异步的ocr后台任务。
有没有办法用FSCrawler做到这一点？或者有没有办法拥有多个pdf策略？
浏览 6提问于2020-08-03得票数 1
我使用ScanSnap S1500M将所有纸质文档扫描到/PDF-S1500M/-我想使用对文本进行OCR。
我想(每天)自动化这个过程：
开放Acrobat X Pro
批处理/ PDF -扫描中的PDF文件，并将"-OCR“追加到文件名
在OCR之后，将文件移动到/PDF/
删除PDF原始文件中的/PDF-扫描/
我应该用自动售货机吗？有脚本可以做到这一点吗？它必须与iCal的重复事件联系在一起吗？
谢谢。
浏览 5提问于2011-08-18得票数 1
回答已采纳
我已经寻找了大量的时间来转换ps2pdf与OCR。
我在我的GhostScript上安装了Windows10，并将一个带有OCR的pdf转换成GhostScript文件。然后，我从Post转换PDF以获得更好的结果。
所发生的事失去了OCR。
如何将OCRed pdf转换为Post脚本文件，然后返回到Post后脚本文件？
我的命令是
pdf2ps test.pdf test.ps
然后
gswin64 -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -o test2.pdf test.ps
浏览 1提问于2020-05-26得票数 1
回答已采纳
我如何概括或中和base_url()和getcwd()之间的差异？
在视图中，我希望同时显示一个内联PDF-查看器(使用<object src=''></object>)和OCR‘’ed输出。这两个文件都需要相同的源文件，该源文件位于project/public/corpus/<some_id>/file.pdf ( project是CodeIgniter根目录)中。
控制器中的代码可以概括如下：
/**
* Fetch the path to the pdf of the document (OCR is preferre
浏览 3提问于2016-10-18得票数 0
回答已采纳
我刚开始抨击，所以这很可能只是简单的回答，但我的研究还没有给我一个解决方案。我正在尝试编写一个简单的bash脚本来检查一个pdf是否需要OCR，它使用的是与Xpdf一起分发的pdftotext可执行文件。如果pdftotext没有输出任何文本，那么PDF需要是OCR的，问题是，如果一个PDF还没有输出，pdftotext就会返回一个表单Feed字符(而不仅仅是一个空字符串)。尽管我可能会尝试，但我无法让bash将从pdftotext返回的字符串与表单提要进行比较。
这是我的密码：
pdf_txt=$(pdftotext -q -l 5 '/Path/to/pdf/test.pdf
浏览 2提问于2014-07-21得票数 2
回答已采纳
我使用像富士通iX500 ScanSnap扫描仪这样的硬件解决方案进行实时扫描，同时使用Foxit PhantomPDF向PDF中的图像添加文本。
这两种解决方案都带来了不错的OCR，但是也有一些缺陷，比如在非文本上出现错误，或者99%的文本在页面上被漏掉，因为页面的角落中有3-4个单词与页面上的所有其他文本一样，它们都是90度旋转的。
至少PhantomPDF允许您检查软件认为可能是假阳性的内容，但您没有太多的控制能力。
最先进的OCR解决方案是将图像转换为可搜索的PDF，还是将(隐藏的)文本添加到仅包含图像的现有PDF中(添加搜索功能)？
浏览 0提问于2018-05-25得票数 0
4回答
我有超过30,000个pdf文件。有些文件已经是OCR，有些则不是。有没有办法找出哪些文件已经OCR，哪些pdf只有图像？
如果我通过OCR处理器运行每个文件，这将是永远不会发生的。
浏览 8提问于2011-10-12得票数 9
回答已采纳
1回答
在r中的if条件下的中断条件
、、、、
我试图从我从pdf文件中提取的文本中搜索一个单词，这是OCR的格式。这个pdf文件有多个页面，所以对于我正在搜索的每一页，如果找到一个单词，那么我不希望for循环继续，我使用了代码，但它只是停留在第一页。我在这段代码中遗漏了什么。这是代码
for(i in 1:8){
img_file <- pdftools::pdf_convert("D:/Files_OCR/test.pdf", format = 'tiff', pages = i, dpi = 400)
text <- ocr(img_file)
ocr_text <- ca
浏览 2提问于2017-09-22得票数 0
回答已采纳
1回答
C# PDFSharp透明文本
、、、、
我正在使用C#和PDFSharp制作一个可搜索的PDF。基本上-我通过一个单独的OCR应用程序运行PDF映像来获取文本，然后打开PDF (使用PDFSharp)并在PDF图像上编写文本。所有这些都有效。然后，用户打开PDF -搜索PDF中的文本，并突出显示PDF中有文本的位置。
问题是-写在PDF上的文字-阻止原始PDF图像。我想在PDF上写一个透明的文本。所以文字就在那里--但文字对人类是不可见的。
这个例子展示了如何做到这一点，但是它不能运行。
我的代码是：
XColor transparentColor = XColors.White;
t
浏览 11提问于2022-11-09得票数 -1
我正在做一些OCRing PDF的工作，我很好奇是否有一种方法可以检查一个PDF是否已经从Word (或Google Docs)导出。我可以检查PDF是否已经用Xpdf的pdffonts进行了OCR。我知道Word和Google Docs会自动OCR导出的PDF，所以如果我发现PDF没有OCR，我就知道它没有导出。但是，如果它已经光学字符识别，有没有办法检查的PDF是否从Word/Google Docs导出，而不是简单的OCRd与类似的程序？具体地说，我使用的是JavaScript，但任何信息都是有用的。
浏览 2提问于2013-06-14得票数 0
1回答
是否有任何Python方法来识别PDF是否是OCR的(文本的质量很差)和可搜索的PDF (文本的质量是完美的)？
使用pdf元数据
import pprint
import PyPDF2
def get_doc_info(path):
pp = pprint.PrettyPrinter(indent =4)
pdf_file = PyPDF2.PdfFileReader(path, 'rb')
doc_info = pdf_file.getDocumentInfo()
pp.pprint(doc_info)
我发现：
result = get
浏览 6提问于2021-09-16得票数 0
回答已采纳
我正在尝试优化图像扫描pdf的质量/文件大小，同时保持ocr质量。
我可以尝试在高质量pdf文档的ocr之后进行下采样，但与使用photoshop和导出较低dpi/优化的页面并使用这些页面创建pdf相比，我使用的工具(主要是acrobat)不会创建较小的文件大小。
如果可能的话，一个更好的解决方案是获取一个已经ocr的image-pdf文档(对于当前情况是800m)，并将ocr层应用于较低rez下采样的文档。
我可以用pdfminer成功地提取坐标为xml的OCR信息，但我想将其应用于使用photoshop进行下采样的相同文件。我认为我读到这是可能的pdftk，但我再也找不到这个信息。
任何建
浏览 3提问于2012-07-16得票数 1
我使用ocr技术从包含图像的pdf中提取文本，但我只想在pdf还不能搜索的情况下使用ocr，否则我想使用pdfminer或类似的库。
有没有办法区分已经可以搜索的pdf和不能搜索的pdf？
浏览 5提问于2019-06-22得票数 1
1回答
有没有人有经验，如何OCR几个图像，并创建一个输出PDF文件与识别的文本在C#中的Nicomsoft OCR？看起来它可以做到，但是我的C#代码由于某些原因没有生成任何PDF：
NSOCRLib.NSOCRClass NsOCR = new NSOCRLib.NSOCRClass();
NsOCR.Engine_InitializeAdvanced(out CfgObj, out OcrObj, out ImgObj);
for (i = 0; i < ImageCnt; i++)
{
NsOCR.Img_LoadFile(ImgObj, ImageFiles[i]);
N
浏览 13提问于2015-04-28得票数 1
回答已采纳
1回答
我已经扫描了PDF格式的文件。这些文件包含一页纵向格式和两页横向格式的页面。
我需要对它们执行OCR处理，但我需要使用bash脚本重新格式化它们。
我可以用pdfimages从PDF中提取图像，将它们与img2pdf放在一起，用ocrmypdf执行OCR处理。
但是，我很难用的实用程序来检测它们的方向，如果必要的话，在纵向模式下将它们分割成两幅图像。你应该知道，并不是所有的扫描都是相同的大小和肖像和景观图像混合在同一个PDF中。
从现在开始，我只有一个脚本的开头：
#!/bin/bash
for i in *.pdf;
do
# Créer le fichier PDF avec OCR
浏览 2提问于2020-04-20得票数 1
3回答
我正在尝试重命名很多文件。到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码
rem for /r myPDFfolder %%i in (*.pdf.OCR.pdf) do ren "%%i" "%%~ni.pdf"
但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
回答已采纳
我目前正在使用扫描仪将我的PDF转换为可搜索的PDF。OCR已经处理好了，因为我可以在PDF中使用ctrl-f。
但是，我如何才能从我的程序中获取OCR的内容。
我对使用java和ruby持开放态度，这个问题是编程语言不可知的。是否可以通过读取文件来公开访问OCR文本？
浏览 1提问于2011-12-15得票数 0
我有一个Excel文件，它有5列，几乎没有合并的单元格、空白单元格、日期和其他文本信息(一个普通的excel文件)。
我正在使用java中的POI API读取此文件。我能够使用iText jar将该文件转换为pdf表。
但是，整个格式并没有复制到pdf中。(例如，合并的单元格进入一列，而其他格式或设置都消失了)。
创建一个简单的pdf表。
如何保留与excel中相同的格式？(我想要pdf格式的excel表格的精确副本)
下面是我使用的代码
//First we read the Excel file in binary format into FileInputStream
浏览 0提问于2014-04-04得票数 6
输入：
import pandas as pd
df=pd.read_excel("OCRFinal.xlsx")
df['OCR_Text']=df['OCR_Text'].str.replace(r'\W+'," ")
print(df['OCR_Text'])
输出：
excel将删除所有特殊字符和空格。但我不想删除空格字符
浏览 0提问于2020-02-27得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
