ocr2text:通过OCR将PDF通过OCR转换为UTF-8编码的TXT文件-源码

PDF到TXT（带有OCR） 给定一个或多个可能包含文本格式图像的PDF，请使用OCR（光学字符识别）将内容转换为TXT文件（采用UTF-8编码）。 基本原理 对现有PDF到TXT解决方案的调查发现，没有满足以下所有条件的现有解决方案： 是一种离线工具（用于确保安全的人员信息） 提供从PDF到TXT的转换（大多数现有的OCR集成均假定图像作为输入） 支持多个文件的批处理 假设条件 （当前）这是一个用Python编写的命令行工具。 假定基本熟悉在终端中执行命令以及目录结构。 假定您已安装Python版本3.x以及 。 该脚本依赖于由Google管理的行业标准OCR库，称为 。 由于它是用C ++编写的，因此要使Python能够使用它，就需要单独安装（下面的说明）。 同样，将需要在Windows和Mac系统上安装PDF到图像库 。 设置 视窗 在您的桌面上新建一个名为ocr文件夹（