如何使用Python进行PDF图片识别OCR

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。

可以安装3.7及以上版本

下载地址： https://github.com/UB-Mannheim/tesseract/wiki 使用最新版本即可

pip install pillowpip install opencv-pythonpip install fitzpip install PyMuPDFpip install pytesseract代码示例

from PIL import Imageimport osimport pytesseract import cv2 as cvimport fitzdef 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') #pm.writePNG(imgPath) pdf.close()pdf_path =’D:/123.pdf’img_path =’D:/123.png’pdf_image(pdf_path,img_path,5,5,0)# 依赖opencvimg=cv.imread(img_path)text=pytesseract.image_to_string(Image.fromarray(img),lang=’chi_tra’)# 不依赖opencv写法# text=pytesseract.image_to_string(Image.open(img_path))print(text)总结

识别清晰的文字图片的时候准确率非常高

但是识别手写体的话效果不太好

在安装tesseract-ocr 的时候一定要记得选择对应的语言，不然是无法正常使用的。

以上就是如何使用Python进行PDF图片识别OCR的详细内容，更多关于python pdf图片识别ocr的资料请关注好吧啦网其它相关文章！