前言
扫描件一直受大众青睐,任何纸质资料在扫描之后进行存档,想使用时手机就能打开,省心省力。但是扫描件的优点也恰恰造成了它的一个缺点,因为是通过电子设备扫描,所以出来的是图像,如果想要处理文件上的内容,直接操作是无法实现的。那要是想要引用其中的内容怎么办呢?别担心,Python帮你解决问题。
目录
tess_ocr(pdf_path, lang,first_page,last_page)
compare_file(file1,file2,file3)
需求描述
现有一份pdf扫描件,我们想把其中的文字提取出来并且分三列写入csv文档,内容及效果如下:
分析
pdf扫描件是文档扫描成电脑图片格式后转化成pdf,提取其中的文字就相当于识别图片内的文字。所以,我们的工作就是将pdf转成图片,再用ocr工具