Ségrégateur PDF numérique et non numérique – Python
Il y a un problème avec la méthode d'extraction PDF. Lorsque nous utilisons des bibliothèques normales telles que PyPDF2, Pdfplumber, pdftotext, etc. pour extraire le texte de documents PDF contenant des images numérisées , nous obtenons une erreur.
La question est donc de savoir comment résoudre cette erreur ?
Étape 1 : Vérifiez si le document PDF contient des images. (PDF numérique)
Étape 2 : Si oui, optez pour la méthode pytesseract pour extraire le texte des images numérisées.
Étape 3 : Sinon, utilisez des bibliothèques d'extraction PDF normales comme PyPDF2, pdftotext ou pdfplumber, etc.
Étape 4 : Profitez
Ségrégateur PDF numérique et non numérique en Python.
ségrégateur.py
Dans chaque document PDF, nous avons une propriété qui est « Ressources » . Si cette ressource contient une « police » comme ressource, alors cette page contient des données textuelles, sinon il est assez évident que la page contient une image numérisée.
Dans le code ci-dessus, nous utilisons la bibliothèque PyPDF2 pour extraire les « Ressources » de chaque page et vérifier si la ressource « Police » y est présente ou non. Sur la base de ce résultat, nous pouvons appeler la fonction appropriée pour extraire le texte du PDF.
Nous pouvons également trouver des documents pdf météo contenant un type mixte (image d'une page et texte d'une deuxième page).
C'est ça.
Merci.
Suggested posts
Comment exécuter gratuitement les plugins ChatGPT avec Langchain
Vous devez avoir entendu parler de tous les nouveaux plugins ChatGPT puissants comme le navigateur, l'interpréteur de code, etc. Mais il y a un problème, l'accès aux plugins est limité à une liste d'attente et donc beaucoup n'y ont pas accès.
Mes ressources de codage les plus utilisées
Cette semaine, j'ai reçu un e-mail d'un membre de la liste de diffusion quotidienne. Ils voulaient savoir : Quelles ressources consultez-vous quotidiennement, hebdomadairement et mensuellement ? Grande question ! Je suis heureux d'essayer de partager quelques idées sur mon flux de travail et les principales ressources que j'utilise.
Related posts
Suivre n'importe qui avec juste un numéro de téléphone | Enquête OSINT
Vous pouvez être un enquêteur OSINT, un joueur CTF ou simplement quelqu'un qui reçoit des appels de spam. Quelqu'un qui essaie de vérifier le numéro que vous avez vu dans une publicité.
Financement de l'élimination du carbone au cours de l'exercice 24
La répartition des demandes de crédits de Carbon180 selon les filières
Par Alyson Lee, conseillère en gestion des affaires gouvernementales Le processus annuel d'affectation des crédits du gouvernement fédéral est au cœur de nos efforts pour financer l'élimination du dioxyde de carbone (CDR). Chaque année, Carbon180 soumet des demandes à divers bureaux du Congrès pour aider à orienter les flux de dollars de l'année prochaine.
Comment sauver la planète et gagner de l'argent
Combien de fois avez-vous jeté une bouteille en plastique, un bocal en verre, une canette en aluminium ou un paquet d'énergie verte sans réfléchir à deux fois ? Combien de fois avez-vous souhaité pouvoir obtenir quelque chose en échange de leur recyclage ? Si vous êtes comme la plupart des gens, la réponse est probablement plusieurs fois. Le recyclage est souvent perçu comme un tracas, une corvée ou un devoir qui n'apporte aucun bénéfice immédiat ou tangible.