当前位置： 首页 > wzjs >正文

重庆网站制作合作商广东疫情最新数据

wzjs 2025/8/26 6:08:32
重庆网站制作合作商,广东疫情最新数据,织梦网站响应式模板免费下载,娄底建设网站的公司一、概述 本 Python 脚本的主要功能是对当前目录及其子目录下的图片和 PDF 文件进行光学字符识别（OCR）处理。它使用 easyocr 库处理图片中的文字，使用 PyPDF2 库提取 PDF 文件中的文本，并将处理结果保存为文本文件。同时&#xff…

一、概述

本 Python 脚本的主要功能是对当前目录及其子目录下的图片和 PDF 文件进行光学字符识别（OCR）处理。它使用 easyocr 库处理图片中的文字，使用 PyPDF2 库提取 PDF 文件中的文本，并将处理结果保存为文本文件。同时，脚本会记录详细的处理日志，方便用户跟踪处理过程和排查问题。

二、环境要求

  • Python 版本：建议使用 Python 3.6 及以上版本。
  • 依赖库：
    • easyocr：用于图片的 OCR 识别。
    • PyPDF2：用于读取 PDF 文件并提取文本。
    • Pillow（PIL）：虽然脚本中未直接使用，但 easyocr 处理图像时可能依赖。

你可以使用以下命令安装这些依赖库：

收起

bash

pip install easyocr PyPDF2 Pillow

三、脚本结构与功能模块

1. 导入必要的库

收起

python

import os
import time
import easyocr
from PyPDF2 import PdfReader
from PIL import Image

导入了处理文件系统、时间、OCR 识别、PDF 读取和图像处理所需的库。

2. 设置模型下载路径

收起

python

model_storage_directory = './easyocr_models'
os.makedirs(model_storage_directory, exist_ok=True)

定义了 easyocr 模型的存储目录，并确保该目录存在。

3. 检查网络连接

收起

python

def check_network():try:import urllib.requesturllib.request.urlopen('https://www.baidu.com', timeout=5)return Trueexcept:return False

该函数尝试访问百度网站，以检查网络连接是否正常。如果能成功访问，则返回 True，否则返回 False。

4. 初始化 EasyOCR reader

收起

python

try:print("Initializing EasyOCR...")print(f"Model storage directory: {os.path.abspath(model_storage_directory)}")if not check_network():print("Network connection failed. Please check your internet connection.")exit(1)print("Downloading models (this may take several minutes)...")reader = easyocr.Reader(['ch_sim', 'en'],model_storage_directory=model_storage_directory,download_enabled=True,verbose=True)print("EasyOCR initialized successfully")
except Exception as e:print(f"Failed to initialize EasyOCR: {str(e)}")exit(1)

  • 打印初始化信息和模型存储目录的绝对路径。
  • 检查网络连接，若网络异常则输出错误信息并退出程序。
  • 下载 easyocr 所需的模型，支持中文（简体）和英文识别。
  • 若初始化成功，打印成功信息；若出现异常，打印错误信息并退出程序。

5. 处理图片文件

收起

python

def process_image(image_path):"""处理图片文件"""try:result = reader.readtext(image_path)text = '\n'.join([item[1] for item in result])return textexcept Exception as e:print(f"Error processing image {image_path}: {str(e)}")return ""

  • 接受图片文件路径作为参数。
  • 使用 easyocr 对图片进行 OCR 识别，提取识别结果中的文本并拼接成字符串返回。
  • 若处理过程中出现异常，打印错误信息并返回空字符串。

6. 处理 PDF 文件

收起

python

def process_pdf(pdf_path):"""处理PDF文件"""try:text = ""reader = PdfReader(pdf_path)for page in reader.pages:text += page.extract_text()return textexcept Exception as e:print(f"Error processing PDF {pdf_path}: {str(e)}")return ""

  • 接受 PDF 文件路径作为参数。
  • 使用 PyPDF2 读取 PDF 文件的每一页，并提取文本拼接成字符串返回。
  • 若处理过程中出现异常，打印错误信息并返回空字符串。

7. 保存提取的文本

收起

python

def save_text(text, output_path):"""保存提取的文本"""with open(output_path, 'w', encoding='utf-8') as f:f.write(text)

  • 接受文本内容和输出文件路径作为参数。
  • 将文本内容以 UTF-8 编码写入指定的输出文件。

8. 主函数 main

收起

python

def main():# 尝试多个可能的输出目录位置output_folders = ['./output_text',  # 当前目录os.path.expanduser('~/ocr_output'),  # 用户主目录os.path.join(os.getcwd(), 'ocr_output')  # 当前工作目录]output_folder = Nonefor folder in output_folders:try:os.makedirs(folder, exist_ok=True)output_folder = folderprint(f"Using output directory: {os.path.abspath(output_folder)}")breakexcept Exception as e:print(f"Failed to create output directory {folder}: {str(e)}")if output_folder is None:print("Error: Could not create any output directory")exit(1)# 初始化日志log_file = os.path.join(output_folder, 'ocr_log.txt')# 重定向标准输出到日志文件import sysclass Logger(object):def __init__(self, filename):self.terminal = sys.stdoutself.log = open(filename, "a", encoding='utf-8')def write(self, message):self.terminal.write(message)self.log.write(message)def flush(self):passsys.stdout = Logger(log_file)print("OCR Processing Log\n")print(f"Starting OCR processing at {time.strftime('%Y-%m-%d %H:%M:%S')}")# 支持的图片格式image_extensions = ['.bmp', '.jpg', '.jpeg', '.png', '.tiff', '.gif']# 遍历当前目录及子目录for root, dirs, files in os.walk('.'):for file in files:file_path = os.path.join(root, file)base_name, ext = os.path.splitext(file)try:# 处理图片文件if ext.lower() in image_extensions:print(f"Processing image: {file_path}")text = process_image(file_path)output_path = os.path.join(output_folder, f"{base_name}.txt")save_text(text, output_path)print(f"Successfully processed image: {file_path} -> {output_path}")with open(log_file, 'a') as f:f.write(f"Success: {file_path} -> {output_path}\n")# 处理PDF文件elif ext.lower() == '.pdf':print(f"Processing PDF: {file_path}")text = process_pdf(file_path)output_path = os.path.join(output_folder, f"{base_name}.txt")save_text(text, output_path)print(f"Successfully processed PDF: {file_path} -> {output_path}")with open(log_file, 'a') as f:f.write(f"Success: {file_path} -> {output_path}\n")except Exception as e:error_msg = f"Error processing {file_path}: {str(e)}"print(error_msg)with open(log_file, 'a') as f:f.write(error_msg + "\n")

  • 输出目录处理：尝试在多个预设位置创建输出目录，若创建成功则使用该目录，若所有尝试均失败则输出错误信息并退出程序。
  • 日志初始化：在输出目录下创建 ocr_log.txt 日志文件，将标准输出重定向到该日志文件，同时保留在终端的输出。记录日志头部信息和处理开始时间。
  • 文件遍历与处理：遍历当前目录及其子目录下的所有文件，对图片文件调用 process_image 函数处理，对 PDF 文件调用 process_pdf 函数处理。将处理结果保存为文本文件，并在日志中记录成功或失败信息。

9. 程序入口

收起

python

if __name__ == "__main__":main()

当脚本作为主程序运行时，调用 main 函数开始执行。

四、使用方法

  1. 将脚本保存为一个 Python 文件（例如 ocr_process.py）。
  2. 确保所需的依赖库已安装。
  3. 打开终端或命令提示符，进入脚本所在的目录。
  4. 运行脚本：

收起

bash

python ocr_process.py
  1. 脚本会自动处理当前目录及其子目录下的图片和 PDF 文件，并将处理结果保存到指定的输出目录中，同时生成处理日志。

五、注意事项

  • 由于 easyocr 模型下载可能需要一定时间，首次运行脚本时请确保网络连接稳定，耐心等待模型下载完成。
  • 对于 PDF 文件，PyPDF2 只能提取文本内容，若 PDF 为扫描版或加密文件，可能无法正常提取文本。
  • 若处理过程中出现错误，请查看日志文件 ocr_log.txt 以获取详细的错误信息。

完成代码

import os
import time
import easyocr
from PyPDF2 import PdfReader
from PIL import Image# 设置模型下载路径
model_storage_directory = './easyocr_models'
os.makedirs(model_storage_directory, exist_ok=True)# 检查网络连接
def check_network():try:import urllib.requesturllib.request.urlopen('https://www.baidu.com', timeout=5)return Trueexcept:return False# 初始化EasyOCR reader
try:print("Initializing EasyOCR...")print(f"Model storage directory: {os.path.abspath(model_storage_directory)}")if not check_network():print("Network connection failed. Please check your internet connection.")exit(1)print("Downloading models (this may take several minutes)...")reader = easyocr.Reader(['ch_sim', 'en'],model_storage_directory=model_storage_directory,download_enabled=True,verbose=True)print("EasyOCR initialized successfully")
except Exception as e:print(f"Failed to initialize EasyOCR: {str(e)}")exit(1)def process_image(image_path):"""处理图片文件"""try:# 使用EasyOCR提取文本result = reader.readtext(image_path)# 合并所有识别结果text = '\n'.join([item[1] for item in result])return textexcept Exception as e:print(f"Error processing image {image_path}: {str(e)}")return ""def process_pdf(pdf_path):"""处理PDF文件"""try:text = ""reader = PdfReader(pdf_path)for page in reader.pages:text += page.extract_text()return textexcept Exception as e:print(f"Error processing PDF {pdf_path}: {str(e)}")return ""def save_text(text, output_path):"""保存提取的文本"""with open(output_path, 'w', encoding='utf-8') as f:f.write(text)def main():# 尝试多个可能的输出目录位置output_folders = ['./output_text',  # 当前目录os.path.expanduser('~/ocr_output'),  # 用户主目录os.path.join(os.getcwd(), 'ocr_output')  # 当前工作目录]output_folder = Nonefor folder in output_folders:try:os.makedirs(folder, exist_ok=True)output_folder = folderprint(f"Using output directory: {os.path.abspath(output_folder)}")breakexcept Exception as e:print(f"Failed to create output directory {folder}: {str(e)}")if output_folder is None:print("Error: Could not create any output directory")exit(1)# 初始化日志log_file = os.path.join(output_folder, 'ocr_log.txt')# 重定向标准输出到日志文件import sysclass Logger(object):def __init__(self, filename):self.terminal = sys.stdoutself.log = open(filename, "a", encoding='utf-8')def write(self, message):self.terminal.write(message)self.log.write(message)def flush(self):passsys.stdout = Logger(log_file)print("OCR Processing Log\n")print(f"Starting OCR processing at {time.strftime('%Y-%m-%d %H:%M:%S')}")# 支持的图片格式image_extensions = ['.bmp', '.jpg', '.jpeg', '.png', '.tiff', '.gif']# 遍历当前目录及子目录for root, dirs, files in os.walk('.'):for file in files:file_path = os.path.join(root, file)base_name, ext = os.path.splitext(file)try:# 处理图片文件if ext.lower() in image_extensions:print(f"Processing image: {file_path}")text = process_image(file_path)output_path = os.path.join(output_folder, f"{base_name}.txt")save_text(text, output_path)print(f"Successfully processed image: {file_path} -> {output_path}")with open(log_file, 'a') as f:f.write(f"Success: {file_path} -> {output_path}\n")# 处理PDF文件elif ext.lower() == '.pdf':print(f"Processing PDF: {file_path}")text = process_pdf(file_path)output_path = os.path.join(output_folder, f"{base_name}.txt")save_text(text, output_path)print(f"Successfully processed PDF: {file_path} -> {output_path}")with open(log_file, 'a') as f:f.write(f"Success: {file_path} -> {output_path}\n")except Exception as e:error_msg = f"Error processing {file_path}: {str(e)}"print(error_msg)with open(log_file, 'a') as f:f.write(error_msg + "\n")if __name__ == "__main__":main()

http://www.dtcms.com/wzjs/490513.html

相关文章：

  • 网站设计合同互联网营销师报名入口
  • 网站管理规划方案营销策略的思路
  • 做下载网站赚钱网络营销推广方案论文
  • 深圳企业网站定制哈尔滨优化调整人员流动管理
  • 市环保局网站建设方案今天今日头条新闻
  • 青岛网站公司全网搜索
  • 怎么给客户谈做网站aso优化服务平台
  • 做企业网站用什么cms国外免费网站域名服务器查询软件
  • 在一个城市做相亲网站长沙网站推广工具
  • 单位建网站怎么做恶意点击广告软件
  • 威海德嬴网站建设个人网站设计图片
  • 免费书画网站怎么做的色盲测试图片
  • 怎样修改手机网站首页杭州网站优化企业
  • 高端网站改版顾问公司网站seo公司
  • 怎么让客户做网站西点培训前十名学校
  • 做弹幕网站有哪些平台推广网站
  • 外贸b2c商城网站东莞seo排名扣费
  • 品牌网站建设源码竞价推广账户竞价托管公司
  • gif动图素材网站超级外链工具源码
  • 介绍好的免费网站模板下载地址现在网络推广哪家好
  • 网站logo如何替换电商推广平台有哪些
  • 郑州做网站公司 汉狮网络做网站需要什么技术
  • 南开区网站建设建站系统哪个比较好
  • 莱阳网站制作国外免费发产品的b2b平台
  • 做传奇开服一条龙网站哪个好西安全网优化
  • 做app和做网站的区别企业品牌推广方案
  • 注册型网站推广360指数查询
  • 贵阳建设工程招投标网站百度广告服务商
  • 网站建设制作费 税前扣除吗网站流量查询网站统计查询
  • html做的网页怎么变成网站seo搜索引擎优化是什么意思