pymupdf只能提取出文字清晰的pdf。
使用wand的时候有些pdf处理不了，会报图像出错的bug，那些wand处理的不了pdf几乎都是扫描的pdf。
判断扫描的pdf可能是文字不清晰，也可能是格式问题。不容易处理。
所以，想要把pdf转化为图片，然后再用ocr识别图片中的文字。
下面代码，用wand把pdf转化为图片，不过pdf为扫描文件的时候会报错CorruptImageError: unable to read image data
from __future__ import print_functionfrom wand.image import Image filePath="C:/Users/wt271/Downloads/康熙教子庭训格言.pdf"with Image(filename=filePath) as img: print('pages = ', len(img.sequence)) with img.convert('png') as converted: converted.save(filename='imagetest/page.png')
天盟APP下载
