利用python將圖片版PDF轉(zhuǎn)文字版PDF
圖片版PDF無法復(fù)制,轉(zhuǎn)化成文字版的PDF后使用更方便.
我們需要用到python3.6,pypdf2,ghostscript,PythonMagick,百度文字識(shí)別服務(wù)和pdfkit.
安裝
安裝python3.6 略
安裝ghostscript
https://ghostscript.com/download/gsdnld.html
安裝wkhtmltopdf
https://wkhtmltopdf.org/downloads.html
pip安裝PyPDF2,ghostscript,baidu-aip,pdfkit
pip install PyPDF2 pip install ghostscript pip install baidu-aip pip install pdfkit
pip安裝PythonMagick
https://www.lfd.uci.edu/~gohlke/pythonlibs/
cd 下載目錄 pip install PythonMagick‑0.9.13‑cp36‑cp36m‑win_amd64.whl
pypdf2用于拆分和合并PDF
示例代碼如下:
#導(dǎo)入PdfFileReader和PdfFileWriter from PyPDF2 import PdfFileReader, PdfFileWriter #獲取一個(gè)pdf對(duì)象 pdf_input = PdfFileReader(open(r'pdf路徑', 'rb')) #獲取pdf頁(yè)數(shù) page_count = pdf_input.getNumPages() #獲取pdf第四頁(yè)的內(nèi)容 page = pdf_input.getPage(3) page['/Contents'] #獲取一個(gè)pdfWriter對(duì)象 pdf_output = PdfFileWriter() # 將一個(gè) PageObject 加入到 PdfFileWriter 中 pdf_output.addPage(page) #把新pdf保存 pdf_output.write(open(r'新pdf路徑','wb'))
PythonMagick用于將單頁(yè)P(yáng)DF轉(zhuǎn)化為jpg
百度云-文字識(shí)別-python SDK
每天有500次免費(fèi)的識(shí)別
示例代碼如下:
#導(dǎo)入baidu-aip
from aip import AipOcr
#https://console.bce.baidu.com/#/index/overview
#產(chǎn)品服務(wù)->人工智能->文字識(shí)別->創(chuàng)建應(yīng)用
#獲取以下三個(gè)值
APP_ID = '??'
API_KEY = '??'
SECRET_KEY = '?? '
#新建一個(gè)AipOcr
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
#讀取本地圖片的函數(shù)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
#讀取本地圖片
image = get_file_content('p1.jpg')
#可選參數(shù)
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "true"
options["detect_language"] = "true"
options["probability"] = "true"
#通用文字識(shí)別
client.basicGeneral(image, options)
#讀取網(wǎng)絡(luò)圖片
url = "https://note.youdao.com/yws/public/resource/1577071c1ffa2b6bf4e238ef6dbcfbf5/xmlnote/E5A19BEDFEBA4879B217C5BBF53B0245/22138"
#可選參數(shù)
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "true"
options["detect_language"] = "true"
options["probability"] = "true"
#通用文字識(shí)別
client.basicGeneralUrl(url, options)
#讀取本地表格圖片的函數(shù)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
#讀取本地表格圖片
image = get_file_content('p2.jpg')
#可選參數(shù)
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "true"
options["detect_language"] = "true"
options["probability"] = "true"
#通用文字識(shí)別
client.basicGeneral(image, options)
#讀取表格分割效果較差!
pdfkit用于利用字符串生成pdf
示例代碼如下:
#pdfkit安裝位置設(shè)置
path_wk = r'pdfkit安裝位置設(shè)置'
pdfkit_config = pdfkit.configuration(wkhtmltopdf = path_wk)
#pdfkit參數(shù)
pdfkit_options = {'encoding': 'UTF-8',}
#制作PDF
pdfkit.from_string(('string'),'D:\test.pdf',configuration=pdfkit_config,options=pdfkit_options)
完整代碼如下
#導(dǎo)入所需包
#os,操作文件和路徑
import os
#ghostscript,代碼簡(jiǎn)化
import ghostscript
#pypdf2,拆分pdf
from PyPDF2 import PdfFileReader, PdfFileWriter
#PythonMagick,單頁(yè)P(yáng)DF轉(zhuǎn)圖片
from PythonMagick import Image
#baidu-aip,百度文字識(shí)別
from aip import AipOcr
#pdfkit,字符串制作PDF
import pdfkit
#參數(shù)
path='??'
pdfname='??'
DPI='85'
#https://console.bce.baidu.com/#/index/overview
#產(chǎn)品服務(wù)->人工智能->文字識(shí)別->創(chuàng)建應(yīng)用
#獲取以下三個(gè)值
APP_ID = '??'
API_KEY = '??'
SECRET_KEY = '?? '
#pdfkit安裝位置設(shè)置
path_wk = r'pdfkit安裝位置設(shè)置'
pdfkit_config = pdfkit.configuration(wkhtmltopdf = path_wk)
#pdfkit參數(shù)
pdfkit_options = {'encoding': 'UTF-8',}
#PDF轉(zhuǎn)化為圖片
os.chdir(path)
pdf_input = PdfFileReader(open(pdfname, 'rb'))
#自動(dòng)獲取PDF頁(yè)數(shù)
page_count = pdf_input.getNumPages()
page_range=range(page_count)
#也可以手工指定PDF需要轉(zhuǎn)換的頁(yè)數(shù)
#page_range=range(0,100)
#使用PyPDF和ghostscript
#==超級(jí)好用,超級(jí)直觀,超級(jí)短==
for page_num in page_range:
im = Image()
im.density(DPI)
im.read(pdfname + '[' + str(page_num) +']')
im.write(str(page_num)+ '.jpg')
#圖片轉(zhuǎn)化為字符串
#新建一個(gè)AipOcr
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
#讀取本地圖片的函數(shù)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
#可選參數(shù)
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "false"
options["detect_language"] = "false"
options["probability"] = "false"
allteststr=[]
for page_num in page_range:
#讀取本地圖片
image = get_file_content(r'%s\%s.jpg' % (path,page_num))
#通用文字識(shí)別,得到的是一個(gè)dict
testjson=client.basicGeneral(image, options)
teststr=''
for x in testjson['words_result']:
teststr=teststr+x['words']+'</br>'
allteststr.append(teststr)
#字符串寫入PDF
for page_num in page_range:
pdfkit.from_string((allteststr[page_num]),'%s.pdf' % (str(page_num)),configuration=pdfkit_config,options=pdfkit_options)
#合并單頁(yè)P(yáng)DF
pdf_output = PdfFileWriter()
for page_num in page_range:
os.chdir(path)
pdf_input = PdfFileReader(open('%s.pdf' % (str(page_num)), 'rb'))
page = pdf_input.getPage(0)
pdf_output.addPage(page)
pdf_output.write(open('newpdf.pdf','wb'))
以上就是為大家介紹的如何使用python3.6,pypdf2,ghostscript,PythonMagick,百度文字識(shí)別服務(wù)和pdfkit
- Python自制一個(gè)PDF轉(zhuǎn)PNG圖片小工具
- 詳解python實(shí)現(xiàn)多張多格式圖片轉(zhuǎn)PDF并打包成exe
- Python自動(dòng)化辦公之圖片轉(zhuǎn)PDF的實(shí)現(xiàn)
- Python實(shí)現(xiàn)文字pdf轉(zhuǎn)換圖片pdf效果
- Python把圖片轉(zhuǎn)化為pdf代碼實(shí)例
- Python 將pdf轉(zhuǎn)成圖片的方法
- windows下Python實(shí)現(xiàn)將pdf文件轉(zhuǎn)化為png格式圖片的方法
- 用python 制作圖片轉(zhuǎn)pdf工具
- Python的pdfplumber庫(kù)將pdf轉(zhuǎn)為圖片的實(shí)現(xiàn)
相關(guān)文章
Anaconda修改默認(rèn)虛擬環(huán)境安裝位置的方案分享
新安裝Anaconda后,在創(chuàng)建環(huán)境時(shí)環(huán)境自動(dòng)安裝在C盤,但是C盤空間有限,下面這篇文章主要給大家介紹了關(guān)于Anaconda修改默認(rèn)虛擬環(huán)境安裝位置的相關(guān)資料,需要的朋友可以參考下2023-01-01
python實(shí)現(xiàn)對(duì)求解最長(zhǎng)回文子串的動(dòng)態(tài)規(guī)劃算法
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)對(duì)求解最長(zhǎng)回文子串的動(dòng)態(tài)規(guī)劃算法,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-06-06
Python 進(jìn)程操作之進(jìn)程間通過隊(duì)列共享數(shù)據(jù),隊(duì)列Queue簡(jiǎn)單示例
這篇文章主要介紹了Python 進(jìn)程操作之進(jìn)程間通過隊(duì)列共享數(shù)據(jù),隊(duì)列Queue,結(jié)合實(shí)例形式分析了Python進(jìn)程數(shù)據(jù)共享、隊(duì)列數(shù)據(jù)處理相關(guān)操作技巧,需要的朋友可以參考下2019-10-10

