Question

正如标题所述，有没有办法使用Python在一个文件夹中OCR所有pdf文件？我在下面有这个代码，但它一次只能OCR一个文件并提取文本。我想对文件夹中的所有pdf进行一般OCR。如果有可能，请告诉我。

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 = []
final_text = []

image_pdf = Image(filename="./PDF_FILE_NAME", resolution=300)
image_jpeg = image_pdf.convert('jpeg')

for img in req_image: 
    txt = tool.image_to_string(
        PI.open(io.BytesIO(img)),
        lang=lang,
        builder=pyocr.builders.TextBuilder()
    )
    final_text.append(txt)

Answer 1

我喜欢glob模块您可以匹配给定文件夹的模式这是您的代码，其中包含一些编辑内容，以说明它是如何工作的。

import glob
pdfs = glob.glob("./*.pdf")

for pdf in pdfs:
    image_pdf = Image(pdf, resolution=300)
    image_jpeg = image_pdf.convert('jpeg')
    txt = tool.image_to_string(
        PI.open(io.BytesIO(image_jpeg)),
        lang=lang,
        builder=pyocr.builders.TextBuilder()
    )
    final_text.append(txt)

有没有办法使用Python在一个文件夹中OCR所有pdf文件？

1 个答案: