Bài viết này giải thích cách chuyển đổi PDF đã quét sang Word bằng Python. Nó sẽ cung cấp chi tiết về việc thiết lập IDE cho phát triển, danh sách các bước, và mã mẫu để chuyển đổi PDF đã quét sang tài liệu Word bằng Python. Việc cải tiến mã cũng sẽ được thảo luận ở cuối bài viết để tạo ra đầu ra tùy chỉnh.
Các bước chuyển PDF đã quét sang tài liệu Word bằng Python
- Đặt môi trường để sử dụng Aspose.Total for Python via .NET cho các sản phẩm OCR và Words.
- Tạo và cấu hình một OCR engine để đọc văn bản tiếng Anh từ khu vực văn bản trong một trang PDF
- Tải tệp PDF đã quét vào công cụ OCR
- Chạy quy trình nhận dạng văn bản để trích xuất văn bản từ mỗi trang
- Tạo một tệp Word Trống mới bằng cách sử dụng lớp aspose.words.Document và liên kết với một builder
- Duyệt qua văn bản đã trích xuất của mỗi trang trong PDF
- Viết mỗi văn bản vào tệp Word
- Lưu tệp Word
Các bước này mô tả cách chuyển đổi PDF đã quét sang Word bằng Python. Nhập các mô-đun cần thiết từ thư viện Aspose, đặt tên file đầu vào/đầu ra, tạo engine OCR, cấu hình nó để đọc văn bản tiếng Anh từ các khu vực văn bản được phát hiện tự động, và thêm một hoặc nhiều file PDF để phát hiện. Chạy quá trình nhận dạng để lấy văn bản từ PDF, lưu kết quả vào một danh sách, tạo một file Word trống bằng builder, và thêm văn bản đã phát hiện từ danh sách vào file Word.
Mã chuyển đổi tệp PDF đã quét sang Word bằng Python
Mã này minh họa cách chuyển PDF đã quét sang Word bằng Python. Bạn có thể đặt chế độ phát hiện dựa trên định dạng của bố cục thực tế, chẳng hạn như hướng bảng để phát hiện khu vực tốt hơn. Để cải thiện độ chính xác ký tự, bật tăng tỷ lệ phông chữ để phát hiện in nhỏ hoặc dày đặc.
Bài viết này giải thích cách áp dụng OCR cho PDF và lưu văn bản kết quả vào tệp Word. Để trích xuất bảng từ tệp PDF và lưu nó vào tệp Excel, hãy tham khảo bài viết Trích xuất bảng từ PDF sang Excel bằng Python.
