Αυτό το άρθρο εξηγεί πώς να μετατρέψετε το σαρωμένο PDF σε Word χρησιμοποιώντας Python. Θα παρέχει λεπτομέρειες για τη ρύθμιση του IDE για ανάπτυξη, μια λίστα βημάτων και δείγμα κώδικα για μετατροπή του σαρωμένου PDF σε έγγραφο Word χρησιμοποιώντας Python. Η βελτίωση του κώδικα θα συζητηθεί επίσης στο τέλος του άρθρου για τη δημιουργία προσαρμοσμένης εξόδου.
Βήματα για τη μετατροπή σαρωμένου PDF σε έγγραφο Word χρησιμοποιώντας Python
- Ορίστε το περιβάλλον να χρησιμοποιεί Aspose.Total for Python via .NET για προϊόντα OCR και Words.
- Δημιουργήστε και διαμορφώστε ένα OCR engine για να διαβάσετε αγγλικό κείμενο από την περιοχή κειμένου σε μια σελίδα PDF
- Φορτώστε το σαρωμένο αρχείο PDF στη μηχανή OCR
- Εκτελέστε τη διαδικασία αναγνώρισης κειμένου για να εξάγετε κείμενο από κάθε σελίδα
- Δημιουργήστε ένα νέο κενό αρχείο Word χρησιμοποιώντας την κλάση aspose.words.Document και συνδέστε το με έναν δημιουργό
- Επανάληψη του κειμένου που εξήχθη από κάθε σελίδα του PDF
- Γράψτε κάθε κείμενο στο αρχείο Word
- Αποθήκευσε το αρχείο Word
Αυτά τα βήματα περιγράφουν πώς να μετατρέψετε σαρωμένο PDF σε Word χρησιμοποιώντας Python. Εισάγετε τα επιθυμητά modules από τη βιβλιοθήκη Aspose, ορίστε τα ονόματα των αρχείων εισόδου/εξόδου, δημιουργήστε τη μηχανή OCR, ρυθμίστε την ώστε να διαβάζει αγγλικό κείμενο από αυτόματα ανιχνευμένες περιοχές κειμένου και προσθέστε ένα ή περισσότερα αρχεία PDF για ανίχνευση. Εκτελέστε τη διαδικασία αναγνώρισης για να εξάγετε το κείμενο από το PDF, αποθηκεύστε το αποτέλεσμα σε μια λίστα, δημιουργήστε ένα κενό αρχείο Word με έναν builder και προσθέστε το ανιχνευμένο κείμενο από τη λίστα στο αρχείο Word.
Κώδικας για τη μετατροπή σαρωμένου αρχείου PDF σε Word χρησιμοποιώντας Python
Αυτός ο κώδικας δείχνει πώς να αλλάξετε το σαρωμένο PDF σε Word χρησιμοποιώντας Python. Μπορείτε να ορίσετε τη λειτουργία ανίχνευσης ανάλογα με τη μορφή της πραγματικής διάταξης, όπως προσανατολισμένη σε πίνακες για καλύτερη ανίχνευση περιοχής. Για να βελτιώσετε την ακρίβεια των χαρακτήρων, ενεργοποιήστε την κλιμάκωση των γραμματοσειρών για την ανίχνευση μικρής ή πυκνής εκτύπωσης.
Αυτό το άρθρο εξηγεί πώς να εφαρμόσετε OCR σε ένα PDF και να αποθηκεύσετε το προκύπτον κείμενο σε αρχείο Word. Για να εξάγετε έναν πίνακα από αρχείο PDF και να τον αποθηκεύσετε σε αρχείο Excel, ανατρέξτε στο άρθρο Extract a Table from PDF to Excel using Python.
