使用圖片識別可以快速提取圖片中的信息，方便高效。

Python并不能直接對PDF進行識別，所以如果是識別PDF的話，需要先將PDF轉化為圖片，然后再進行識別。

可以安裝3.7及以上版本

下載地址： 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代碼示例

from PIL import Imageimport osimport pytesseract import cv2 as cvimport fitzdef pdf_image(pdfPath,imgPath,zoom_x,zoom_y,rotation_angle): # 打開PDF文件 pdf = fitz.open(pdfPath) # 逐頁讀取PDF for pg in range(0, pdf.pageCount): page = pdf[pg] # 設置縮放和旋轉系數(shù) trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotation_angle) pm = page.getPixmap(matrix=trans, alpha=False) # 開始寫圖像 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)# 依賴opencvimg=cv.imread(img_path)text=pytesseract.image_to_string(Image.fromarray(img),lang=’chi_tra’)# 不依賴opencv寫法# text=pytesseract.image_to_string(Image.open(img_path))print(text)總結

識別清晰的文字圖片的時候準確率非常高

但是識別手寫體的話效果不太好

在安裝tesseract-ocr 的時候一定要記得選擇對應的語言，不然是無法正常使用的。

以上就是如何使用Python進行PDF圖片識別OCR的詳細內(nèi)容，更多關于python pdf圖片識別ocr的資料請關注好吧啦網(wǎng)其它相關文章！