如何使用tesseract python 3读取一个目录中的所有pdf文件并转换为文本文件？ 下面的代码用于读取一个pdf文件并转换为文本文件。但我想读取目录中的所有pdf文件，并使用tesseract python 3转换为文本文件。from PIL import Image im
浏览 33提问于2019-06-18得票数 0
我正在尝试准备使用python的EPC证书的能效评级。通常EPC证书以PDF格式提供。我已经将PDF转换为图像，并使用pytesseract从图像中获取文本。然而，我没有得到预期的结果。示例图像：
预期产量:当前额定值: 79，潜在额定值: 79from pdf2image import convert_from_path
import pytesseract
浏览 2提问于2020-02-23得票数 1
1回答
我有一个远程PDF文件，我需要一页一页地阅读，并不断传递到一个OCR，它会给我它的OCR文本。import pytesseractimport cStringIOimport urllib2import pytesseract
remoteFile = urllib2.urlopen(urll
浏览 0提问于2015-06-28得票数 2
我正在尝试将许多pdf文件转换为txt。我的pdf文件被组织在一个目录内的子目录中。所以我有三层:目录-->子目录-->每个子目录中有多个pdf文件。我正在使用下面的代码，它给出了这个错误ValueError: too many values to unpack (expected 3)。import pytesseractimport glob
pdfs
浏览 43提问于2021-04-08得票数 2
回答已采纳
我正在尝试创建一个脚本，将突出显示内部使用tesseract图像中的特定单词。我的方法适用于大多数语言，除了带有西里尔字符的语言，如俄语或希腊语。，当我使用tesseract image_to_string提取文本时，它被正确地打印出来(如下所示)
import cv2
pytesseract.t
浏览 2提问于2020-04-30得票数 0
1回答
我得到了这个错误，而解析的PDF文件使用pypdf2，我是随同错误的PDF附件。I have attached the PDF to be parsed please click to view 有人能帮上忙吗？import PyPDF2
read_pdf = PyPDF2.PdfFileReader(pdfName)page = read_pdf.getPage(0)
page_content
浏览 32提问于2019-04-14得票数 0
我一直在尝试从扫描的PDF中提取文本(具有不可选文本的图像)。我想要的信息，包含日期，发票编号从pdf链接()。from PIL import Imagepage = pdf_reader.ge
浏览 2提问于2020-05-27得票数 1
回答已采纳
我正在尝试使用下面的代码从pdf文件的图像中提取文本。PDF文件是合同文档，是合同的扫描副本。pdf文件中的所有页面都是图像。当我尝试使用下面的代码提取数据时，我得到一个错误，说它无法读取文件/无法识别图像文件。(Image.open('C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python37\\Scripts\\1184.pdf&#x
浏览 3提问于2018-09-27得票数 0
需要将扫描的pdf转换为docx文档转换方法1.使用pytessaract pytesseract.image_to_pdf_or_hocr()将扫描的pdf转换为可搜索的pdf 2.然后使用lowriter'lowriter -- .The --.The- to docx"{}“将可搜索的pdf转换为docx 但这导致了docx /doc中的格式和布
浏览 16提问于2020-01-20得票数 1
1回答
其目标是获取一组jpg/tif图像，并将它们转换为1文本可搜索的PDF。我正在使用Python的PyPDF2和pytesseract来完成这一任务；但是，如果不将每个页面保存为自己的PDF，则无法找到组合这些页面的方法。(download_location,file) result = (pytesseract.image_to_pdf_or_
浏览 17提问于2022-02-08得票数 1
回答已采纳
当使用Wand和imageMagick将扫描的imageMagick转换为文本时，我收到以下错误： 错误： Traceback (most recent call last): File "C:\Users\gibin\AppData\Local\Programs\Python\Python37-32\lib\site-packages\wand\image.py", line 8212, in __init_
浏览 26提问于2019-10-01得票数 0
回答已采纳
2回答
我用tesseract ocr从扫描的pdf文件中提取数据，我可以提取数据，但精度不好。在很多地方，它显示了错误的数据，所以我可以通过python获得100%准确的数据。首先，我将pdf转换为jpg格式，然后使用tesseract模块从图像中提取数据。from PIL import Image
text=(pytesseract.image_to_string(Image.open(r"C:\Users
浏览 11提问于2019-08-22得票数 1
我在Python中使用pytesseract作为pdf。但是我在Windows10中得到了权限错误。我使用的是python 3.8.0 import pdf2imageimport os from PIL import ImageFile "F:\python\lib\site-packages\pytesseract\<em
浏览 505提问于2020-09-24得票数 0
我正在使用Pytesseract，并希望将HOCR输出转换为字符串。当然，这样的函数是在Pytesseract中实现的，但我想了解更多关于如何实现它的可能策略。from pytesseract import image_to_pdf_or_hocr
hocr_output = image_to_pdf_or_hocr(image, extension='hocr
浏览 18提问于2019-08-09得票数 2
我正在使用python中的PyMuPDF库来搜索PDF文档中的特定文本，然后将其突出显示。pdf_document = fitz.open(pdf_path) for i in range(len(page_num)):
`page=pdf_document[page_num[i]]`page.searchFor(item) for inst in search_instances: page.addHighlightAn
浏览 1提问于2018-12-21得票数 0
5回答
我有一个扫描的pdf文件，我试图从中提取文本。我尝试使用pypdfocr在其上进行ocr，但出现错误：谢谢。,
wo
浏览 111提问于2017-08-03得票数 13
回答已采纳
1回答
光盘:我总在OCR和寻找机会，从图像转换为文本低分辨率图像新手。
我已经尝试过用不同的conf进行pytesseract，但它仍然无法将图像转换为文本。据我所知，在向tesseract发送图像之前，我需要进行某种预处理，我检查了相关问题中的一些选项，但仍然无法使用pytesseract进行文本识别。为了成功的文本识别，可以进行任何预处理或tesseract调优吗？任何python代码示例都很感谢，谢
浏览 2提问于2020-04-19得票数 0
1回答
有什么方法可以用俄文(cp1251)从pdf文件中提取文本吗？
对于解析pdf文件，我使用pdfminer包。
浏览 7提问于2015-08-26得票数 1
回答已采纳
我已经在其他PDF上试过了，它能够准确地提取文本。pdfFileObj = open('test.pdf', 'rb') pageObj = pdfReader.getPagePDF的提供商试图出售PDF中的数据，所以他们不希望数据容易被抓取是有道理的。我只是想知道最好的解决办法是什么，因为我没有10万。
如果有帮助的话，它看起来就像是用pdfsharp.net制作的。当我
浏览 9提问于2019-08-16得票数 0
我有一个pdf，我想用Python阅读它。当我使用acrobat在我的机器上打开它时，我得到下面的消息，当我点击“启用所有功能”时，文件显示了它的实际内容。
“请稍等...如果此消息最终未替换为文档的正确内容，则PDF查看器可能无法显示此类型的文档。“from PIL import Image
import <
浏览 1提问于2019-04-19得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
