1回答
为了私人使用，我正在寻找一个简单的文档管理系统(不是Web )。这些要求相对简单：
基于Web的
免费，更喜欢开源
能够存储电子文档(Word，PDF，.)及扫描纸张文件(PDF/jpeg/任何图像格式)
OCR支持
连同一些元数据:文档名称，项目/部门，作者，日期，地点，一些识别代码，简短的描述，.
使用不同的存储(NAS，Dropbox，WebDAV)
可选但很好
版本化
索引/搜索在word/pdf/text/.文档
我已经试过我的mac了，但它还没修好.
有什么建议吗？
浏览 4提问于2013-08-08得票数 5
我需要将扫描文档转换为mac上可搜索的文本PDF。
Acrobat可以通过其文本识别功能完美地完成这一任务，但考虑到我只需要这一个功能，Acrobat是相当昂贵的。有没有其他OCR工具可以做到这一点？OCR结果的质量很重要。
它不需要免费，只需要比Acrobat更低的成本。
浏览 0提问于2015-03-02得票数 2
回答已采纳
我有几个低质量的pdf。我想使用OCR --更准确地说，是用从他们那里获取文本。为此，我使用了first --一个将pdf转换为图像的命令行工具--将这些pdf转换为jpg或png。
然而，ImageMagick生成的图像质量非常低，Ocropus几乎无法识别任何内容。我想了解处理低质量pdf的最佳参数是什么，以便为OCR提供尽可能好的质量图像。
我已经找到了，但是我不知道从哪里开始。
浏览 0提问于2010-09-01得票数 9
回答已采纳
X版本有许多示例，但它们不能与XI一起工作，这是因为这些示例与菜单项一起工作，而Adobe into将OCR工具从菜单中移走。因此，我不知道如何使用applescript告诉Acrobat XI对某些文件执行OCR。
我的最终目标是设置一个关注的文件夹与黑泽自动光学字符识别每一个我放入的PDF文件，请不要告诉我使用PDFPen，我不喜欢它，我只是喜欢光学字符识别的特殊能力的Acrobat ;-)
谢谢。
-
cordialmente，
tiziano solignani，daMac
浏览 4提问于2013-02-05得票数 0
我正在试着写一个只能被人读懂的文档。无法复制文档内容。为此，我将其页面转换为图片，并将其添加回PDF文件。主要的问题是，任何OCR程序都可以恢复整个书面文本，特别是页面将是清晰的(而不是扫描的书)，这将提高OCR的准确性。
那么，有没有OCR无法识别的字体呢？否则，有没有一种技术可以让我的文档只被人类阅读，而不被OCR识别？(例如，添加特定的背景，等等)
提前谢谢你。
浏览 3提问于2012-11-13得票数 4
回答已采纳
1回答
我需要从S3中的PDF和图像文件中获取OCR (光学字符识别)数据，以便用户可以对这些OCR数据执行搜索。我正在使用AWS提取的文本提取来获取OCR数据。
我计划将OCR数据存储在Dynamo中，并在其中执行搜索查询。
我所面临的问题是因为发电机db项的大小限制，限制在400 db以内。
在我的情况下，用户上传100+ MB PDF文件在S3中，提取的文本内容将超过这一限制。那么，在这种情况下，最好的方法是什么。
请提前帮忙谢谢！
浏览 1提问于2020-04-06得票数 1
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
我见过一些pdf文件后，OCR有非常准确的文本(无论是在识别率，在文本对齐图像)。
如果pdf文件中隐藏的文本层是否来自OCR，那么Unix/Linux工具会帮助我知道什么呢？
浏览 0提问于2014-12-07得票数 2
1回答
假设我已经在Abbyy FindeReader中对多个PDF进行了光学字符识别。是否可以稍后在Abbyy FineReader中重新加载光学字符识别结果，以便纠正光学字符识别错误？ 我的想法是，我希望将执行OCR和(稍后)更正OCR结果分开
浏览 36提问于2020-10-09得票数 0
回答已采纳
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
我试图在Tesseract OCR中将Image转换成文本PDF。在中间，我需要检查封面页，并从结果中删除。在Tessaract OCR中是否可以根据封面的特定属性(封面文本匹配)来识别封面。或者，我是否需要获取tessetact OCR结果的全部输出，并提供我的逻辑来扫描PDF和删除封面页。我非常困惑，任何帮助都将不胜感激。
浏览 1提问于2018-09-20得票数 0
回答已采纳
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
我正在寻找布局分析库或工具(最好是开源的)，可以应用于文本PDF，以识别主要文本内容与侧栏，章节标题，章节标题(甚至可能是具有装饰/阴影和下划线的花哨的标题)等。我遇到了像OCRopus这样的工具，它们使用光学字符识别和图像识别来识别布局。有没有库可以在没有OCR的情况下做同样的事情？可以从文本PDF中提取文本和图像，并将包含文本和图像位置的输入提供给该工具；对于此类文件使用OCR将是相当繁琐的。
浏览 2提问于2013-05-08得票数 2
回答已采纳
我已经获得了以下用于将pdf文件上传到google docs的实现(取自gdata API示例)：
def UploadResourceSample():
"""Upload a document, and convert to Google Docs."""
client = CreateClient()
doc = gdata.docs.data.Resource(type='document', title='My Sample Doc')
# This is a convenient MS
浏览 0提问于2011-12-31得票数 2
回答已采纳
1回答
我有PDF文件已经被“识别”使用OCR文本识别->识别文本使用功能在Acrobat。
我想把这些作为一个上传(C# ASP.NET MVC)，并能够提取这些信息用于索引和搜索目的。
我尝试打开PDF文件，但没有找到任何被识别的文本，所以我猜它是压缩和/或编码的。
有什么想法吗？
浏览 0提问于2010-06-25得票数 0
回答已采纳
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
我正在创建一个服务，用于监视文件夹中的扫描文件。一旦文件存在，该服务就会提取它，并将其转换为可读的PDF。在此过程中，该服务还会搜索条形码。在此之后，提取文本，并将文件及其文本存储到我们软件的数据库中。该位置基于条形码。
现在，对于光学字符识别，我们使用了Atalasoft的SDK ()。此外，条形码识别器也包含在此SDK中。
但是转换后的文本仍然有一些错误。(我用其他OCR程序运行了一些测试，但Atalasoft运行得很好。)我正在寻找一些软件(SDK-套件)，可以让我提高的质量的PDF的OCR的目的。
我测试了Kofax ()。我正在寻找类似的东西，但这可以使用某种SDK-kit在服务中实
浏览 2提问于2011-07-06得票数 5
回答已采纳
1回答
是否可以编辑在C#中不可填充的PDF格式
详情：
现有的PDF包含图像、数据和文本填充的表格。
已经尝试过itextsharp，但是无法识别任何AcroFields来操作数据。
当尝试使用Nitro PDF进行OCR时，got错误: OCR无法完成，因为此页面包含可编辑/可搜索的内容
..。这是来自ASPOSE文本替换的输出。试图用替换为 Word
所需经费：
必须编辑以编程方式填写的表格中的文本和数据，并保存它。
浏览 6提问于2012-06-28得票数 1
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
抱歉，这可能是个愚蠢的问题。但我对机器学习和Tessaract OCR相当陌生。我听说Tessaract OCR是可以训练的。
我需要知道的是，Tessaract OCR是使用神经网络作为它们的默认训练机制，还是我们必须明确地编程才能使用神经网络？
如果我对这个“训练”概念想错了，很抱歉。但我需要确切知道的是，Tessaract已经使用了NN，如果不是，我如何使用NN和tessaract OCR来提高识别精度？
如果有人能建议我一些好的资源/方法来参考/尝试和开始，这也是一个很大的帮助。
我目前所知道的基本机器学习，监督训练的概念，并执行基本的图像OCR操作在Tessaract OCR。
浏览 3提问于2015-04-10得票数 12
回答已采纳
我最近买了一台爱普生扫描仪，这样我就可以开始数字化多年来积累的大量文件。我已经学会了如何将文档扫描到PDF文档中，但是，我想确保我的PDF文档有可搜索的文本--我认为技术术语是OCR，但我完全搞不懂。
我可以用我的扫描仪把文件扫描到PDF中。但是，如果我正确理解，我无法使他们OCR搜索，除非我使Acrobat和/或ABBYY精细阅读器的工作流程的一部分。(顺便说一下，我用的是一台运行小牛的Mac电脑。)
我想我需要问的第一件事是:我需要什么软件来创建一个OCR可搜索的PDF？就像我说的，我已经安装了爱普生扫描仪软件，但看起来我也需要Acrobat和/或ABBYY精细阅读器。
我想我应该问的第二
浏览 0提问于2014-05-12得票数 0
回答已采纳
我想使用命令行，以执行许可的adobe acrobat 8来识别OCR文本已经扫描的pdf文件，并使其完全可搜索的pdf？
你知道什么是命令行开关，参数吗？
提前感谢！
浏览 3提问于2010-04-09得票数 0
我有一个PDF文件，这是一个OCR处理器的输出，这个OCR处理器识别图像，将文本添加到pdf中，但最后放置的是低质量的图像而不是原始图像(我不知道为什么有人会这样做，但他们确实这样做了)。
所以，我想得到这个PDF文件，删除图像流，离开文本，以便我可以得到它，并导入(使用iText页面导入功能)到我自己创建的真实图像的PDF文件。
在有人问之前，我已经尝试使用另一个工具来提取文本坐标(JPedal)，但是当我在我的PDF上绘制文本时，它与原始文本的位置不同。
我更希望用Java来完成这项工作，但如果有其他工具可以做得更好，请让我知道。这可能只是图像删除，我可以生活在一个PDF的绘图在那里。
浏览 3提问于2011-07-26得票数 11
回答已采纳
3回答
是否有用于图像扫描的可可框架？
、、、、
对于Mac OS X上的图像扫描框架，我有哪些选项？我不是在找OCR库。只是一些东西，将做实际的扫描和导入PDF或类似的格式。
浏览 0提问于2010-08-31得票数 6
回答已采纳
我一直在尝试从扫描的pdf文档中提取数据。我已经将pdf文件转换为jpeg文件(我在下面附上了图像链接)，裁剪具有不同字体的单词和数字，合并为tiff文件，并使用jTessBoxEditor训练字体生成新的语言，我使用该语言在Tesseract-OCR中提取文件中的数据。但我无法提取准确的数据。tesseract-ocr的文本识别准确率很低。
有没有人能提出一个提高准确率的方法？
浏览 21提问于2020-08-31得票数 1
是否有库(或可执行文件)可以OCR PDF (通常是通过扫描纸张创建的PDF )，并将识别出的文本重新注入到PDF中？很可能是扫描图像背后的隐形文字。
最好是开源的。
(目标:我有一个巨大的由Lucene索引的PDF文件库。如果PDF包含文本，Lucene将更容易找到哪些PDF是相关的。)
浏览 3提问于2011-02-28得票数 2
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
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
刚刚发现，vim运行所有以相同名称开头的ftplugin。
例如：
检测到的文件类型= ocr
这些文件具有不同的版本。因此我有不同的ftplugins：
ocr_01 =>基础版(检查文件版本并设置正确的文件类型)ocr_01 =>版本01...ocr_n =>版本n
当打开一个光学字符识别文件，文件类型被检测为‘光学字符识别’->的光学字符识别基础-File插件将加载。它检查文件的版本(例如01) =>文件类型将被设置为ocr_01。
我期望，只有文件类型插件ocr_01加载，但所有以'ocr‘开头的ftplugin是: ocr_01，ocr_02..
浏览 8提问于2013-07-26得票数 0
2回答
在我们的项目中，我们有测试PDF文件数据的要求。但PDF文件中的数据很少是图像格式的，因此我们不能将相同的逻辑应用于PDF上的文本比较。我们正面临着验证PDF文件上的图像文本的问题。有没有什么API可以让我们识别OCR，并从图像中提取文本并进行比较。
浏览 0提问于2016-05-31得票数 0
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
我试图从PDF中给定的两个坐标指定的特定矩形区域中提取数据。是否可以在PDF中执行此操作，或者我是否必须将其转换为图像并使用OCR？如果有，PDFBox或iText是否包含通过光学字符识别来分析图像的方法？谢谢!
浏览 26提问于2017-12-26得票数 3
回答已采纳
1回答
我有很多pdf文档，它们都是扫描过的文字版本。我需要在pdf中拆分一个页面。 例如，如果有1个页面。我需要将一页分成页眉部分，页脚部分，主体部分和侧面部分。 哪种编程语言和库给了我最大的灵活性来完成这样的任务，而不需要我做所有繁琐的工作。我对Python很熟悉。我知道Python的PDF和OCR库，但我找不到任何关于拆分单个页面的内容。 然后，最后希望将pdf页面的拆分部分传递给OCR，以识别字符并将输出转换为csv或文本文件。 提前感谢您……
浏览 18提问于2021-04-20得票数 0
回答已采纳
下午好，我在我的项目中有一个问题，这是PDF压缩，过程如下:提取图像从一个PDF Hang OCR压缩股票OCR +合并图像和转换PDF每页结合所有生成的pdf格式与光学字符识别，光学字符识别PDFcon作为最终产品之一。我的原始文件大小为11MB，压缩后为4.2MB。整个过程运行得很完美，但我遇到的问题是OCR过程的速度。我在网上查看，我看到了一种方法来规避该过程，这是获得的原始PDF的文本层，并将其传递到最终的PDF是压缩的，尝试一些代码，如删除所有图像的PDF和单独与文本层，并插入我的压缩图像，但问题相比于上面提供的正常过程中，该文件的重量增加了超过4.2MB，这对我来说并不方便。当我寻
浏览 0提问于2014-05-16得票数 0
我指的是在tiff和jpeg文件上执行光学字符识别的“”，而是说“找不到尾部字典”，“无法读取外部参照表”，“异常失败(”错误: pdfinfo无法确定页数。检查pdf输入文件。\n“)”虽然从jpeg或tiff文件到PDF文件的转换工作正常，并且PDF文件在alfresco共享页面上可见“，但没有OCR正在处理这些tiff和jpeg文件
浏览 1提问于2017-06-26得票数 0
1回答
我安装了gocr，命令由ubuntu终端(sudo apt install gocr)建议，以便对pdf文件中的文本进行OCR识别。我怎么能用呢？我没有找到一个教程来做这个。
浏览 0提问于2020-07-20得票数 3
1回答
跟进如何OCR一个pdf文件和获得的文本存储在pdf？，我成功地制作了OCRed pdf页面。
然而，由于没有显示字母，我的意思是我看不到字符，但我可以选择它们，复制它们，并将它们粘贴到其他地方。这似乎不是Evince：https://bugzilla.redhat.com/show_bug.cgi?id=1364201的错误
当使用pdf三明治启动pdf页的OCR时，tesseract生成一个页面
包含没有任何可用符号的字体(他们将其命名为GlyphLessFont)。它只有.notdef和.null替代品(正方形)。如果字符没有字形，则Evince使用.notdef字形。Okular突出文
浏览 0提问于2016-08-27得票数 5
5回答
我有一个扫描的pdf文件，我试图从中提取文本。我尝试使用pypdfocr在其上进行ocr，但出现错误：
“在通常的位置找不到ghostscript”
经过搜索，我找到了这个解决方案，，我尝试下载GhostScript并将其放入环境变量中，但它仍然有相同的错误。
如何使用python在扫描的pdf文件中搜索文本？
谢谢。
编辑：以下是我的代码示例：
import os
import sys
import re
import json
import shutil
import glob
from pypdfocr import pypdfocr_gs
from pypdfocr import p
浏览 111提问于2017-08-03得票数 13
回答已采纳
我正在对python中的OCR图像进行预处理。我把pdf转换成了二进制图像。我得到的输出如下所示
我希望输出结果是这样的
你知道该怎么做吗？
浏览 2提问于2017-03-14得票数 0
正如标题所述，有没有办法使用Python对一个文件夹中的所有pdf文件进行OCR？我有下面的代码，但它只有一个文件的OCR一次和提取文本。我想做一个文件夹中所有的pdf的一般光学字符识别。如果可以的话，请让我知道。
from wand.image import Image
from PIL import Image as PI
import pyocr
import pyocr.builders
import io
tool = pyocr.get_available_tools()[0]
lang = tool.get_available_languages()[1]
req_image
浏览 0提问于2018-05-29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
我有一个包含pdf文件的目录。我已经编写了在将文件名传递给wand.image类的对象时执行光学字符识别的代码。我现在想做的是循环遍历pdf文件的目录，为每个pdf生成一个OCR的txt文件，并将其保存在某个目录中。到目前为止，我写的代码如下： import io
from PIL import Image
import pytesseract
from wand.image import Image as wi
pdf = wi(filename = r"D:\files\aba7d525-04b8-4474-a40d-e94f9656ed42.pdf", reso
浏览 12提问于2019-05-30得票数 0
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
我正在捆绑一个PDF转换成一个图像，以便我可以OCR它。但在转换过程中，质量正在下降。
使用Python-和/将PDF转换为映像(JPG/PNG)似乎有两种主要方法。
#pdf2image (altering dpi to 300/600 etc does not seem to make a difference):
pages = convert_from_path("page.pdf", dpi=300)
for page in pages:
page.save("page.jpg", 'JPEG')
#Image
浏览 11提问于2022-03-01得票数 3
我正在使用将PDF文件解析为文本。一些PDF文件可以包含扫描文档。Apache使用Tesseract将文本识别为图像。但是没有带有Tesseract的jar库，用户应该在操作系统中安装Tesseract作为独立的应用程序。如果不安装Tesseract，我如何使用Apache中的Tesseract？我尝试将tesseract文件夹添加到类路径中，并进行如下配置：
TesseractOCRConfig config = new TesseractOCRConfig();
config.setTesseractPath("tesseract");
config.setTessdata
浏览 5提问于2017-09-16得票数 6
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
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
2回答
我正在建立一个分布式芹菜环境来对PDF文件进行OCR。我有大约3M的PDF，OCR是CPU绑定的，所以我们的想法是创建一个服务器集群来处理OCR。
当我写我的任务时，我得到了这样的东西：
@app.task
def do_ocr(pk, file_path):
content = run_tesseract_command(file_path)
item = Document.objects.get(pk=pk)
item.content = ocr_content
item.save()
我的问题是如何使file_path在分布式环境中工作。人们通常如何处理这
浏览 8提问于2016-03-29得票数 3
回答已采纳
我的代码应该是从一个目录中获取每个pdf，对其进行OCR，然后为每个OCR'd pdf返回一个.txt文件。除了将.pdf更改为.txt之外，pdf和.txt文件的名称应该相同。我被困在分割输入pdf名称的部分，以便为OCR'd文件生成具有.txt扩展名的相同名称。目录中的示例文件如下所示："000dbf9d-d53f-465f-a7ce-722722136fb7465.pdf".我需要输出为"000dbf9d-d53f-465f-a7ce-722722136fb7465.txt".此外，我的代码不会创建新的.txt文件，而是在每次迭代时覆盖一
浏览 13提问于2019-05-31得票数 1
回答已采纳
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
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
