Python 2.7：在Windows 7中使用pypdfocr时遇到困难

Question

我正在尝试在Windows 7中使用pypdfocr和Python 2.7。

这是我在pypdfocr中尝试cmd时收到的错误消息：

  

C：\ Users \ chamar.stu＆gt; pypdfocr F：\ test2.pdf开始转换   F：\ test2.pdf＆＃39; pdfimages＆＃39;不被视为内部或外部   命令，可操作程序或批处理文件。警告：无法执行   pdfimages来计算DPI（尝试安装xpdf或po ppler？），所以   默认为300dpi Traceback（最近一次调用最后一次）：文件   ＆＃34; C：\用户\ chamar.stu \应用程序数据\本地\连续\ anaconda2 \ lib中\ runpy.py＆＃34 ;,   第174行，在_run_module_as_main ...... .... ....

     

pypdfocr \ pypdfocr_tesseract.py＆＃34;，第98行，在_is_version_uptodate中       ver = [int（x）for x in ver_str.split（＆＃39;。＆＃39;）] ValueError：int（）的基数为10的无效文字：＆＃39; 00alpha＆＃39;

我似乎错过了Poppler或XPDF，但我确实按照建议PyGoObject通过here安装了Poppler。我还按照建议here在我的环境路径中链接了xpdf。

有什么建议让我摆脱这个小混乱？

Answer 1

pypdfocr脚本可能使用pdfimages模块调用subprocess程序（其中一个poppler 实用程序，而不是库）。

我无法轻易辨别出您提及的URI中是否提供了实用程序。

如果没有，您可以找到实用程序的预构建的ms-windows可执行文件，例如here

确保安装poppler实用程序的位置位于PATH，以便pypdfocr可以找到它。

Answer 2

尝试将Tesseract从4.0.0-beta.1版本（我的情况）降级到名称中不包含字母数字的3.x版本。

tesseract --version＃检查

pypdfocr软件包中内置的版本检查期望版本号为整数，因此'00alpha'（在我的情况下为'0-beta'）上出错