В этой статье объясняется, как конвертировать отсканированный PDF в Word с помощью Python. Будут предоставлены детали настройки IDE для разработки, список шагов и пример кода для конвертации отсканированного PDF в документ Word с использованием Python. В конце статьи также будет обсуждаться улучшение кода для создания пользовательского вывода.
Шаги по преобразованию отсканированного PDF в документ Word с помощью Python
- Установите окружение, чтобы использовать Aspose.Total for Python via .NET для продуктов OCR и Words.
- Создайте и настройте OCR engine, чтобы читать английский текст из текстовой области на странице PDF.
- Загрузите отсканированный PDF‑файл в OCR‑движок
- Запустите процесс распознавания текста, чтобы извлечь текст с каждой страницы
- Создайте новый пустой файл Word, используя класс aspose.words.Document и свяжите его с конструктором
- Переберите извлечённый текст каждой страницы PDF
- Запишите каждый текст в файл Word
- Сохранить файл Word
Эти шаги описывают, как преобразовать отсканированный PDF в Word с помощью Python. Импортируйте необходимые модули из библиотеки Aspose, задайте имена входного/выходного файлов, создайте OCR‑движок, настройте его для чтения английского текста из автоматически обнаруженных областей текста и добавьте один или несколько PDF‑файлов для обнаружения. Запустите процесс распознавания, чтобы извлечь текст из PDF, сохраните результат в список, создайте пустой Word‑файл с помощью билдера и добавьте обнаруженный текст из списка в Word‑файл.
Код для преобразования отсканированного PDF‑файла в Word с помощью Python
Этот код демонстрирует, как изменить отсканированный PDF в Word с помощью Python. Вы можете установить режим обнаружения в соответствии с форматом реального макета, например, ориентированный на таблицы для лучшего обнаружения областей. Чтобы улучшить точность символов, включите увеличение шрифтов для обнаружения мелкого или плотного печатного текста.
В этой статье объясняется, как применить OCR к PDF и сохранить полученный текст в файл Word. Чтобы извлечь таблицу из PDF‑файла и сохранить её в файл Excel, см. статью Извлечь таблицу из PDF в Excel с помощью Python.
