این مقاله توضیح میدهد که چگونه تبدیل اسکن PDF به Word با استفاده از Python. جزئیات مربوط به تنظیم IDE برای توسعه، فهرستی از مراحل، و کد نمونه برای تبدیل اسکن PDF به سند Word با استفاده از Python را ارائه میدهد. بهبود کد نیز در انتهای مقاله برای تولید خروجی سفارشی مورد بحث قرار خواهد گرفت.
مراحل تبدیل PDF اسکنشده به سند Word با استفاده از Python
- محیط را تنظیم کنید تا برای محصولات OCR و Words از Aspose.Total for Python via .NET استفاده شود
- یک OCR engine ایجاد کنید و پیکربندی کنید تا متن انگلیسی را از ناحیه متن در یک صفحه PDF بخواند
- فایل PDF اسکنشده را به موتور OCR بارگذاری کنید
- فرآیند تشخیص متن را اجرا کنید تا متن هر صفحه استخراج شود
- یک فایل Word خالی جدید با استفاده از کلاس aspose.words.Document ایجاد کنید و با یک سازنده لینک کنید
- متن استخراجشده از هر صفحهٔ PDF را تکرار کنید
- هر متن را در فایل Word بنویسید
- ذخیره کردن فایل Word
این مراحل نحوه تبدیل PDF اسکنشده به Word با استفاده از Python را توصیف میکنند. ماژولهای مورد نیاز را از کتابخانه Aspose وارد کنید، نامهای فایل ورودی/خروجی را تنظیم کنید، موتور OCR را ایجاد کنید، آن را طوری پیکربندی کنید که متن انگلیسی را از نواحی متنی که بهصورت خودکار شناسایی میشوند بخواند، و یک یا چند فایل PDF را برای تشخیص اضافه کنید. فرآیند تشخیص را اجرا کنید تا متن را از PDF استخراج کنید، نتیجه را در یک لیست ذخیره کنید، یک فایل Word خالی با یک Builder ایجاد کنید، و متن شناساییشده را از لیست به فایل Word اضافه کنید.
کد برای تبدیل فایل PDF اسکنشده به Word با استفاده از Python
این کد نشان میدهد چگونه تبدیل PDF اسکنشده به Word با استفاده از Python را انجام دهید. میتوانید حالت تشخیص را بر اساس قالب چیدمان واقعی تنظیم کنید، مانند حالت جدولمحور برای تشخیص بهتر ناحیه. برای بهبود دقت کاراکترها، مقیاسبندی فونتها را برای تشخیص چاپهای کوچک یا متراکم فعال کنید.
این مقاله توضیح میدهد که چگونه OCR را بر روی یک PDF اعمال کنید و متن حاصل را در یک فایل Word ذخیره کنید. برای استخراج جدول از یک فایل PDF و ذخیره آن در یک فایل Excel، به مقاله استخراج جدول از PDF به Excel با استفاده از پایتون مراجعه کنید.
