pdf中的内容提取-tft每日頭條

pdf中的内容提取

生活更新时间:2024-09-27 15:17:23

之前發布過，但重要的圖片沒有顯示出來，所以重新發布一次。

正文來了：

最近幫老同學處理一個差不多200頁的pdf文件提取文字的處理，經過一番處理後發現都存在一些自己不滿意的地方。

老同學有完成時間的要求，所以選擇了一個相對安全的操作：【pdf文件按頁轉換為圖片格式】- 【再利用WX的文字提取功能】-【逐個圖片提取文字後複制粘貼到一個txt或doc文件中】。因為需要截圖 - 傳圖到手機 - 微信文字提出 - 複制文字 - 發回電腦端 -粘貼到文件，整個操作流程重複、費勁，傷眼、傷腰、傷精力....最終花了半個工作日才搞掂，後續的格式問題交回老同學再二次加工了。

此後産生了一個想法：利用python的技術進行自動處理。思路：PDF文件按頁批量轉換生成圖片格式，每個圖片通過OCR實現文字提取，所有提取的文字寫入一個txt文件裡面。全稱自動化，無需手工切入，想想都覺得好有滿足感。于是網上查閱了資料，也花費了一些閑餘時間，終于大功告成！

先來看看PDF原文件和運行代碼後的文字提取結果，來個直觀對比吧

pdf中的内容提取（PDF文字提取）1

PDF原文件

pdf中的内容提取（PDF文字提取）2

文字提取後輸出到txt文件裡面

下面是python兩個重要過程的代碼截圖，分别是pdf文件按頁切割為png圖片，另一個是OCR識别文字提取

pdf中的内容提取（PDF文字提取）3

PDF按頁轉換生成圖片文件

pdf中的内容提取（PDF文字提取）4

OCR文字提取

本案例四頁PDF的文字提取速度非常快，從代碼捕獲的時間顯示用時全程大概10秒。無論效率和文字提取都比較滿意，但也存在不足，遇到PDF裡面有圖片的識别不出來的。

pdf中的内容提取（PDF文字提取）5

四頁PDF轉換大概用時10秒

本次分享到此結束，希望大家有所收獲吧！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部

网友关注

生活去甲醛方法
1、甲醛的揮發點為19攝氏度，因此室溫在低于19攝氏度時，甲醛并不會大量揮發。所以就需要主動創造高溫... 2023-07-13
生活玉米面加工技巧
1、擠壓。擠壓是通過兩個相似的工作面同時對籽粒施加壓力，共同作用下使玉米破碎的研磨方法。擠壓力通過外... 2023-07-13
生活紅色鳳尾雞冠花的插花方法
1、一般有五種插花手法。2、第一種是直立插花，角度不會大于三十度。顧名思義，就是使插花的花枝直立着。... 2023-07-13
生活新農合繳費時間已經截止了嗎
新農合是沒有在公司上班的農村朋友的一個福利政策，一年繳納一次費用就可以有看病住院報銷，那麼新農合繳費時間已經截止了嗎？錯過新農合繳費怎麼辦？新農合如何繳費下面小編為大家帶來新農合繳費截止時間以及繳費方法介紹，感興趣的小夥伴一起來看一下吧。每年的新農保繳費截止時間是12月31日，現在已經是1月了，所以... 2023-07-13
生活廣州最大玩具批發市場進貨渠道在哪裡
玩具貨源批發這幾年也越來越旺了，出來去義烏批發玩具之外，也有部分商家選擇在廣州拿貨的。廣州最大玩具批發市場進貨渠道在哪裡？一般大型的批發市場貨源種類會更多的，今天小編給大家推薦幾個廣州高人氣的玩具批發貨源地，想拿貨的趕緊來看。廣州最大玩具批發市場進貨渠道在哪裡全廣州市規模最大、人氣最旺、影響力最強玩... 2023-07-13
生活 2022拼多多春節發貨時間規定：最晚...
随着2022年春節臨近，各大電商平台也都相繼公布最新的發貨規則。2022年拼多多春節什麼時候停止發貨呢？春節期間拼多多最晚發貨時間是多久？近期拼多多公布了2022春節發貨規則及售後時間等調整公告，下面跟小編一起來看下2022拼多多春節發貨時間規定。2022拼多多春節發貨規則拼多多發布關于2022年春... 2023-07-13
生活古風邪魅的男生網名430個好聽的昵稱...
古風邪魅的男生網名430個1．殘夏花已落2．酒話醉人3．秦楚殇4．顔方休5．溫酒促膝6．墨阡殇7．血雨探花8．神傲冥9．千囚迷森10．孤久瘾人11．前世笑忘書12．待绾之人13．北沐寄涼14．願作人間逍遙客15．塵煙染暮雪16．歲月無垠17．山枕檀痕涴18．褪色的回憶19．煙熏妝ミ20．争霸天涯21... 2023-07-13
生活 icp是什麼
1、“IPC全稱為InternetContentProvider，原名為電信與信息服務業務經營許可證... 2023-07-13
生活公務員體檢前可以吃早餐嗎?
這個問題大概是很多想報考的公務員問的。現在各種體檢，高考考生，公務員考生，新員工，層出不窮。深圳體檢醫院提醒大家，公務員體檢前不要吃早餐，不僅公務員，其他人都需要空腹。體檢中心的醫生會指導考生空腹驗血，而不是讓他們餓肚子。因為如果身體餓了，人體内的功能指标數量會發生變化，從而導緻血液樣本的不同。即使... 2023-07-13
生活 2022國慶結束上班的說說不想上班的...
假期總是過得飛快，就算是7天國慶小長假也是一樣，國家假期結束後該上班的上班，該上學的上學，對于上班族來說國慶之後上班是一件非常難受的事情，那麼國慶結束上班的說說怎麼發？十月第一天上班的說說有哪些？不想上班的朋友圈說說有哪些？下面就跟小編來了解一下吧！2022國慶結束上班的說說1、國慶節後上班第一天，... 2023-07-13
生活 2022過年理财有收益嗎節假日轉賬能...
過年理财到底有沒有收益這個是看你買的哪種理财，有些有，有的沒有，一般年前買的話，過年期間也是有收益的。那麼，過年理财要取出來嗎？一起來看看小編帶來的介紹吧！2022過年理财有收益嗎理财是有很多不同的種類的，以基金理财為例：貨币基金和純債基金過年就是有收益的，因為它們沒有投資股市，都是投資貨币市場或者... 2023-07-13
生活 2023除夕的傳說故事簡短除夕的傳說...
1、相傳在太古時期，有一種兇猛的怪獸，散居在深山密林中，人們管它們叫“年”。它的形貌猙獰，生性兇殘，專食飛禽走獸、鱗介蟲豸，一天換一種口味，從磕頭蟲一直吃到大活人，讓人談“年”色變。後來，人們慢慢掌握了“年”的活動規律，它是每隔三百六十五天竄到人群聚居的地方嘗一次口鮮，而且出沒的時間都是在天黑以後，... 2023-07-13
生活美縫劑十大品牌推薦美縫劑排行榜前十名
現在大家裝修比不可少的要用到瓷磚，那麼瓷磚和瓷磚之間肯定會有縫隙，為了整體的美觀度，大多數人會選擇用美縫劑來填充，目前來說嗎，市面上的美縫劑品牌比較多，一個好的美縫劑不僅質量要好，而且還有環保，下面就盤點了美縫劑十大名牌排名，大家可以看看美縫劑十大名牌有哪些。1、德高德高于1964年在法國成立，在1... 2023-07-13
生活歸化是什麼意思歸化和入籍有區别嗎
近日，北京冬奧會正在火熱進行中，其中歸化運動員谷愛淩引起很多朋友的關注。據悉，谷愛淩在自由式滑雪女子大跳台決賽中奪得金牌，創造了中國冬奧在該項目的新曆史。有很多朋友目前還不了解歸化是什麼意思？歸化和入籍有區别嗎？一起來了解下吧。歸化是什麼意思歸化，是指某個人在出生國籍以外自願、主動取得其他國家國籍的... 2023-07-13
生活護膚控油産品全球排行榜10強:理膚泉...
夏季天氣幹燥臉上缺水就容易出油，需要好的控油護膚産品來護膚。什麼護膚品控油祛痘?控油護膚品哪個好用?今天小編為大家介紹護膚控油産品哪家強，盤點了控油護膚品十大排行榜，希望可以幫助到大家挑選好的控油保濕護膚品，看看控油的護膚品哪款好用。護膚控油産品全球排行榜10強1.歐萊雅火山岩男士洗面奶2.妮維雅男... 2023-07-13
生活 2022黑龍江春節返鄉人員最新規定通...
國内疫情現在還沒有結束，尤其是黑龍江綏芬河近日也發現了疫情新增情況，因此近期有準備回黑龍江過年的民衆也開始關注當地的出入政策。回黑龍江需要核酸檢測嗎？2022黑龍江春節返鄉人員最新規定是怎麼樣的？什麼情況下回去需要核酸檢測和隔離？下面來看下介紹。2022黑龍江春節返鄉人員最新規定：1.2022黑龍江... 2023-07-13
生活最兇悍的十大名犬：巴西非勒上榜，它是...
狗狗的品種多樣，性格也是各有千秋的，有的狗狗性格比較溫和，所以很多人喜歡親近，而有一些狗狗的攻擊性太多，過于兇猛，大家都不敢靠近，今天我們就來說一說那些兇悍的狗狗，看看都有哪些。最兇悍的十大名犬1.中國藏獒2.俄羅斯高加索3.意大利扭玻利頓4.巴西非勒5.法國波爾多6.阿根廷杜高7.中亞牧羊犬8.西... 2023-07-13
生活日本男士面霜排行榜日本男士面霜哪個牌...
面霜是我們每天都要使用的護膚産品，它結合了多重肌膚所需的營養，可以讓幹燥的肌膚得到舒緩，長期的使用下來皮膚也會越來越細膩。那麼今天就由小編來為大家列出日本男士面霜排行榜，告訴您日本男士面霜哪個牌子好。日本男士面霜排行榜：1、DHC2、FANCL3、資生堂4、BULKHOMME5、城野醫生6、石澤研究... 2023-07-13
生活工抵房能買嗎工抵房有沒有什麼風險
工抵房是指開發商沒錢支付工程款了，然後用房子抵押給包工程的老闆用于抵賬，因為價格比較便宜，所以很多人都會購買工抵房。但是過來人都建議千萬别買工抵房，否則後悔都來不及。那麼，工抵房到底能不能買？工抵房有沒有什麼風險？下面就由小編為大家一一解答。工抵房能買嗎?一般來說，隻要手續齊全，并在購房合同中列出相... 2023-07-13
生活全球三大唱片公司全國三大唱片公司是什...
世界唱片業經曆了上個世紀20裡的風起雲湧，不斷并購，形成華納、環球、BMG、索尼和百代齊頭并進的狀态，然而2003年索尼和BMG合并，2011年，環球唱片以12億英鎊收購了陷入經濟困難的百代唱片，而世界唱片業格局也就此正式從四大縮減成了三大。最終形成現在環球音樂、索尼音樂和華納音樂三家公司現在三足鼎... 2023-07-13
生活讓男人死心塌地的4個絕招讓男人死心塌...
很多時候女生在一段感情關系中是起着至關重要的作用的，情商高的女人懂得抓住男人心理，讓男人死心塌地，也懂得如何付出與收獲。今天與大家分享4個讓男人死心塌地的絕招。1、懂得付出如今的情侶很多都是男人在付出，女人隻會享用，仿佛是理所當然就該這樣似的，男女是對等的，不要老讓男人付出。即使這個男人再愛你，你老... 2023-07-13
生活全國政協會議是幹什麼的
相信大家都很清楚，3月份即将召開全國兩會，這是每年最為重要的兩個會議，目前已經确定中國人民政治協商會議第十三屆全國委員會第五次會議（全國政協會議）将在2022年3月4日召開，可能很多人都不了解全國政協會議是幹什麼的？下面來具體了解下吧。全國政協會議是幹什麼的1、政治協商是對國家大政方針和地方的重要舉... 2023-07-13
生活女性甲亢的危害有多大甲亢患者生的孩子...
女性甲亢的危害有多大？1、與男性患者一樣，女性患者也容易出現肌肉無力、消瘦、煩躁、失眠、多夢、腹瀉等。病程較長且甲狀腺激素水平長期高于正常水平的患者可能是由多種原因引起的誘因如外傷、感染等。在甲亢危象的影響下，危及生命。2、長期未經治療和未控制的女性甲亢患者也容易發生甲亢性心髒病，引起心律失常、心房... 2023-07-13
生活南京十大西餐廳排名:第四雞蛋漢堡，騎...
有的人喜歡吃傳統的中餐，也有的人喜歡吃美式風味、德式風味、意大利風味等等的外國菜，現在各種西餐廳也越開越多，今天本站就來盤點一下南京的十大最熱門的西餐廳，一起來看看南京有哪些好吃的西餐吧!南京十大西餐廳排名1.煙熏的豬SmokingPig2.夜火街頭牛排3.發财鋪脆皮五花肉(托樂嘉店)4.孟老大雞蛋... 2023-07-13
生活 30号上高速31号下高速收費嗎
還有不到一周的時間就要到2022年春節了，不少小夥伴都會返鄉回家過年，随着時代的發展，現在出行的方式有很多，一些小夥伴選擇自駕回家，那麼30号上高速31号下高速收費嗎？下面小編為大家帶來相關内容分享，感興趣的小夥伴一起來看一下吧。30号上高速31号下高速收費嗎？不收費。因為2022年1月31号是春節... 2023-07-13
生活百米加減檔跑偏怎麼解決
1、百米加減檔跑偏就是因為沒有扶穩方向盤，隻需雙手扶穩方向盤直線行駛即可。2、初學者因為緊張而緊握方... 2023-07-13
生活煙霧報警器報警會噴水嗎煙霧報警器響了...
煙感報警器其實是煙感或煙霧報警器的别稱，煙感報警器就是通過監測煙霧的濃度來實現火災防範的，内部采用離子式煙霧傳感器，離子式煙霧傳感器是一種技術先進，工作穩定可靠的傳感器，被廣泛運用到各種消防報警系統中，下面，就快和小編一起了解相關知識吧！煙感報警器裝什麼位置最有效？1、在廚房，可以把煙霧報警器安裝在... 2023-07-13
生活我國男女人口比例2021年數據詳情男...
據數據顯示，2021年末全國人口數量141260萬人。從性别構成看，男性人口72311萬人，女性人口68949萬人，男比女多3362萬人。相關數據：全年出生人口1062萬人，出生率為7.52‰；死亡人口1014萬人，死亡率為7.18‰；自然增長率為0.34‰。全國人戶分離的人口5.04億人，其中流動... 2023-07-13
生活創業的基本條件是什麼
1、充分的資源（Resource)，包括人力和财力。創業者要具備充分的經驗、學曆、流動資金、時間、精... 2023-07-13
生活哪個品牌的護膚品補水保濕效果好？國外...
導語：天氣炎熱在室内吹空調肌膚難免變得幹燥缺水，需要一款補水保濕效果好的護膚産品來護膚。那麼什麼牌子的護膚産品補水保濕效果好呢?今天小編為大家盤點了國外補水護膚品排行榜10強，一起來了解一下。一、sk-iisk2神仙水小燈泡精華護膚套裝sk-iisk2神仙水小燈泡精華護膚套裝是一款好用的明星護膚産品... 2023-07-13

tft每日頭條

> 生活

> pdf中的内容提取

pdf中的内容提取

相关生活资讯推荐

热门生活资讯推荐

网友关注