python pdf ocr识别时间_如何使用Python进行PDF图片识别OCR

使用场景

使用图片识别可以快速提取图片中的信息，方便高效。

python并不能直接对pdf进行识别，所以如果是识别pdf的话，需要先将pdf转化为图片，然后再进行识别。

必备工具

python

可以安装3.7及以上版本

tesseract-ocr

需要用到的库

pip install pillow

pip install opencv-python

pip install fitz

pip install pymupdf

pip install pytesseract

代码示例

from pil import image

import os

import pytesseract

import cv2 as cv

import fitz

def pdf_image(pdfpath,imgpath,zoom_x,zoom_y,rotation_angle):

# 打开pdf文件

pdf = fitz.open(pdfpath)

# 逐页读取pdf

for pg in range(0, pdf.pagecount):

page = pdf[pg]

# 设置缩放和旋转系数

trans = fitz.matrix(zoom_x, zoom_y).prerotate(rotation_angle)

pm = page.getpixmap(matrix=trans, alpha=false)

# 开始写图像

pm.writepng(imgpath+str(pg)+".png