python 生成pdf文件,扫描件如何生成pdf文件

  python 生成pdf文件,扫描件如何生成pdf文件

  本文主要介绍如何使用Python实现将PDF扫描文档转换为DOCX或EXCEL文件格式的功能。本文中的样例代码讲解的很详细,有需要的朋友可以参考一下。

  00-1010 1.问题描述2。实施过程3。功能码3.1pdf转图片3.2表格图片文字识别转excel4。案例描述

  

目录

  我们需要根据项目的需要获取PDF扫描文档的内容,但是如果在全网搜索可以实现该功能的产品,则需要会员充值。苦于没有钱,我不得不写功能代码来实现它。

  例如,表格图片图1中的PDF-效果生成图2

  图一

  图2

  

1.问题描述

  整个步骤是:读取PDF文件-生成图片-ORC获取图片内容-写入Excel。

  

2.实现流程

  

3.功能代码

  将fitz # pdf导入图片

  从aip导入AipOcr #图像文本识别

  import #程序每隔一段时间运行一次以避免出错。

  导入docx #将识别结果保存为docx文件。

  从docx.oxml.ns导入qn #设置docx文件的字体。

  您的APPID AK SK

  APP_ID=xxxxx

  x

  API_KEY=

  ):

   i = open(imgPath+name+"_"+str(n)+".png",rb)

   time.sleep(0.1)

   img = i.read()

   message = client.basicAccurate(img)

   content = message.get(words_result)

   # 将内容写入doc文档

   for i in range(len(content)):

   doc.add_paragraph(content[i].get(words))

   # 保存doc文档

   doc.save(imgPath + name + .docx)

  def pdf_to_docx(pdfPath, imgPath, zoom_x=10, zoom_y=10, rotation_angle=0):

   print("正在将pdf文件转换为图片...")

   # 调用函数一将pdf转换为图片,并获得文件名和页数

   name_, num_ = pdf_image(pdfPath, imgPath, zoom_x, zoom_y, rotation_angle)

   print("转换成功!")

   #print("正在读取图片内容...")

   # 调用函数二逐页读取图片并逐行保存在docx文件中

   # ReadDetail_docx(imgPath, name_, num_)

   #print("名为 {}.pdf 的pdf文件共有{}页,已成功转换为docx文件!".format(name_, num_))

  # pdf储存路径

  pdf_path = "JRT 0197-2020金融数据安全 数据安全分级指南.pdf"

  # 图片和生成的docx文件的储存路径

  img_path = r"G:\imges\\"

  # 调用函数

  pdf_to_docx(pdf_path, img_path)

  

  

  

3.2 表格图片文字识别到excel

  

import pandas as pd

  import numpy as np

  import re

  # 图片识别

  from aip import AipOcr

  # 时间模块

  import time

  # 网页获取

  import requests

  # 操作系统接口模块

  import os

  image_path =

  # 获取文件夹中所有图片

  def get_image():

   images = [] # 存储文件夹内所有文件的路径(包括子目录内的文件)

   for root, dirs, files in os.walk(image_path):

   path = [os.path.join(root, name) for name in files]

   images.extend(path)

   return images

  def Image_Excel(APP_ID, API_KEY, SECRET_KEY):

   # 调用百度AI接口

   client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

   # 循环遍历文件家中图片

   images = get_image()

   for image in images:

   # 以二进制方式打开图片

   img_open = open(image, rb)

   # 读取图片

   img_read = img_open.read()

   # 调用表格识别模块识别图片

   table = client.tableRecognitionAsync(img_read)

   # 获取请求ID

   request_id = table[result][0][request_id]

   # 获取表格处理结果

   result = client.getTableRecognitionResult(request_id)

   # 处理状态是“已完成”,获取下载地址

   while result[result][ret_msg] != 已完成:

   time.sleep(2) # 暂停2秒再刷新

   result = client.getTableRecognitionResult(request_id)

   download_url = result[result][result_data]

   print(download_url)

   # 获取表格数据

   excel_data = requests.get(download_url)

   # 根据图片名字命名表格名称

   xlsx_name = image.split(".")[0] + ".xlsx"

   # 新建excel文件

   xlsx = open(xlsx_name, wb)

   # 将数据写入excel文件并保存

   xlsx.write(excel_data.content)

  if __name__ == __main__:

   image_path = r"G:\imgs\\"

   APP_ID = xxxxxxxx

   API_KEY = xxxxxxx

   SECRET_KEY = xxxxxxxxxxxxxxxxxxxxxx

   Image_Excel(APP_ID, API_KEY, SECRET_KEY)

  

  

4. 案例说明

  我这里是获取JRT 0197-2020金融数据安全 数据安全分级指南.pdf扫描文件,将内部表格数据写入到excel文件。

  

  

  以上就是Python实现PDF扫描件生成DOCX或EXCEL功能的详细内容,更多关于Python 扫描件转DOCX EXCEL的资料请关注盛行IT软件开发工作室其它相关文章!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

相关文章阅读

  • php读取pdf数据,php pdf读取
  • php读取pdf数据,php pdf读取,PHP中使用mpdf 导出PDF文件的实现方法
  • kotlon协程,深入理解kotlin协程pdf,一文彻底搞懂Kotlin中的协程
  • 深入解析C#(第4版),深入解析css pdf,深入解析contentWindow, contentDocument
  • java 反射机制原理与用法详解视频,java 反射机制原理与用法详解pdf
  • java 反射机制原理与用法详解视频,java 反射机制原理与用法详解pdf,Java 反射机制原理与用法详解
  • ,,Java使用iTextPDF生成PDF文件的实现方法
  • ,,Python利用PyMuPDF实现PDF文件处理
  • 漫画算法小灰的算法之旅pdf,漫画算法2-小灰的算法进阶
  • devops和自动化运维实践 PDF,devops思想在运维方面的具体实践
  • pdf如何去除水印,pdf去水印的三种方法
  • 把a4的内容打印成a3小册子,a4的pdf文档如何打印成a3
  • nlp自然语言处理入门pdf,精通python自然语言处理 pdf
  • 容器docker基本操作,每天5分钟玩转docker容器技术 pdf
  • sklearn中文手册pdf下载,sklearn库模块及函数
  • 留言与评论(共有 条评论)
       
    验证码: