Tesseract多种输出格式

Question

我的环境

我正在使用tesseract从图像中提取文本。

我正在生成一个 .tsv 来检索提取的文本并对其执行一些正则表达式，并生成一个 .pdf 以具有可搜索的pdf。

我的方法是打电话给tesseract 2次：

• 有人要求提供.tsv
• 有人要求提供.pdf

但是我觉得这不是很有效（相同的计算必须进行两次）

我想要的

我希望使计算速度更快。我的想法是只调用一次tesseract，但指定两种输出格式

有可能吗？如果可以，怎么办？

Answer 1

您可以尝试以下命令：

pip install sphinx pip install setuptools