一级做a爱免费网站,无锡新吴区住房建设和交通局网站,网站 开发 成本,wordpress tag调用前言
本篇pdf适用windows对视觉识别0基础的的纯小白用户。大佬请绕道~~ 注意#xff1a; 本项目pdf的ocr对于表格、画图文字#xff0c;水印等干扰没做任何处理#xff0c;因此希望各位使用该功能的pdf尽量不要含有这些干扰项#xff0c;以免影响翻译效果。
流程
1.构建…
前言
本篇pdf适用windows对视觉识别0基础的的纯小白用户。大佬请绕道~~ 注意 本项目pdf的ocr对于表格、画图文字水印等干扰没做任何处理因此希望各位使用该功能的pdf尽量不要含有这些干扰项以免影响翻译效果。
流程
1.构建环境
用conda创建一个虚拟python环境
conda crate -n pp python3.112.安装包
安装飞浆paddle 和paddleocr gpu版本 pip install paddlepaddle-gpu paddleocr cpu版本 pip install paddlepaddle paddleocr pdf转图片工具
https://github.com/oschwartz10612/poppler-windows/releasespip install pdf2image 3.具体代码
假设在我们有一堆pdf文件在pdfs文件夹中我们需要将其每个pdf文件转成对应的txt文件。则可使用如下代码 from pdf2image import convert_from_path
import cv2
import numpy as np
from PIL import Image
import os
# 将 PDF 文件转换为图片列表
files os.listdir(pdf)for file in files:if not file.endswith(.pdf):print(file)continuetxt file.replace(.pdf, .txt)if os.path.exists(txt/txt):continuetxt_writer open(txt/txt, w,encodingutf-8)images convert_from_path(pdf/file)# print(type(images))# print(images[0])# image cv2.cvtColor(np.array(images[0]), cv2.COLOR_RGB2BGR)from paddleocr import PaddleOCR, draw_ocr# 创建 PaddleOCR 实例ocr PaddleOCR(use_angle_clsTrue, langch,use_gpuTrue) # 默认使用英文模型可以通过 lang 参数切换到中文模型# 遍历每一张图片并识别文字for i, image in enumerate(images):print(第{}张图片.format(i1))# 转换图片为可用于识别的格式# source image.convert(RGB)image cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR) # image.save(fpage_{i}.jpg)# 识别图片中的文字result ocr.ocr(image, clsTrue)# 打印识别结果try:for lines in result:for line in lines:# print(line[1][0])txt_writer.write(line[1][0]\n)except:print(file识别失败)txt_writer.close()
4.注意
由于本代码仅能简单提取pdf的文字所以一旦出图片或者表格之类会导致该页识别效果变差敬请谅解~
