1.安装tesseract
2.安装PyOCR
3.安装Wand和PIL
在我们开始之前，还需要另外安装两个依赖包。一个是Wand。它是Imagemagick的Python接口。
我们需要使用它来将PDF文件转换成图像：
我们也需要PIL因为PyOCR需要使用它。你可以查看官方文档以确定如何将PIL安装到你的操作系统中。
5.开始
现在我们需要获得OCR库（在本例中，即tesseract）的句柄以及我们在PyOCR中将使用的语言：
我们使用tool.get_available_languages里的第二种语言，因为之前我曾尝试过，第二种语言就是英语。
接着，我们需要建立两个列表，用于存储我们的图像和最终的文本。
下一步，我们需要采用wand将一个PDF文件转成jpeg文件。让我们试一试吧！
注意：将PDF_FILE_NAME替换成当前路径下的一个可用的PDF文件名。
wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象，并把它们加入到req_image序列中去。
现在，我们仅仅需要在图像对象上运行OCR即可，非常简单：
现在，所有识别出的文本已经加到了final_text序列中了。你可以任意地使用它。以上就是利用Python对PDF文件做OCR识别的全部内容，希望这个教程能够帮助到你们！
⑵ 怎么用python批量将ppt转换成pdf
你好，试试这个，希望能帮到你。
1. [代码][Python]代码
#!/usr/bin/env python
import os
import sys
from reportlab.lib.pagesizes import A4, landscape
from reportlab.pdfgen import canvas
f = sys.argv[1]
filename = ''.join(f.split('/')[-1:])[:-4]
f_jpg = filename+'.jpg'
print f_jpg
def conpdf(f_jpg):
f_pdf = filename+'.pdf'
(w, h) = landscape(A4)
c = canvas.Canvas(f_pdf, pagesize = landscape(A4))
c.drawImage(f, 0, 0, w, h)
c.save()
print "okkkkkkkk."
conpdf(f_jpg)
⑶ 怎样利用python将pdf转换成jpg格式
可以用第三方库wand实现（我的环境：win10、python3)
需要安装wand 、imagemagick和ghostscript
wand的安装很简单：直接cmd 运行pip install wand
然后安装imagemagick ，从这里下载网页链接，注意是32位还是64位，这个需要和python的位数一致。
安装过程注意勾选Install development headers and libraries for C and C++ 。安装后设置MAGICK_HOME环境变量，值为imagemagick的安装路径，并将安装路径加入path。
详情可参照此页面网页链接。
最后安装ghostscript，这里下载网页链接，选择AGPL release，注意32位还是64位。
安装过程很简单，一路点击next，如果不想安装在c盘，可以改变安装路径，这个没有影响。
最后上代码（很简单）：
#-*-coding:utf-8-*-
fromwand.imageimportImage
withImage(filename="pdf_file_name",resolution=300)asimg:
img.format='jpeg'
img.save(filename='converted.jpg')
上面的pdf_file_name输入要处理的pdf文件名，最后会在当前目录下生成converted.jpg
说明：这几行代码比较简单，处理页数较少的pdf还行，页数太多会卡住。但是可以用pyPDF2分割pdf然后转换，这是一种思路，关于pyPDF2的教程自行网络吧。
⑷ python 有没有将 html 文件转换为 pdf 的库
python 有没有将 html 文件转换为 pdf 的库
说明：将以下脚本拷贝到vi中，保存，修改权限执行，得到你想要的结果。
#!/bin/bash
cd /etc/named
cp honey.com.zone /tmp/honey.com.zone.bk
awk '/^@ IN NS nsl.honey.com./ {print "@ IN NS nsl.ashaur.com";next} \
/^www IN A 192.168.1.7/ {print "www IN A 192.168.1.6";next} \
{print}' honey.com.zone >/tmp/honey.com.zone.tmp
cp /tmp/honey.com.zone.tmp /etc/named/honey.com.zone
⑸ python怎么转成pdf
方法一：使用虚拟打印机pdf factory即可，而且其他格式文件只要是能够打印，选择这个虚拟打印机，都可以做成PDF文件，很简单实用；
方法二：用其他虚拟打印机转成PDF文件。
方法三：使用专门的转换软件，把文件转成PDF文件。
⑹ 怎么用 Python 将 pdf，doc 等转换成 jpg
用office自带的一个工具，可以把你扫描的文字型图片转换成文字，但是精确度不是很高 看图软件没那个功能，你可以参以下方法，将图片用WORD打开，成为图片，选择“文件”→“打颖，并选择打印机为Microsoft Office Document Image Writer打印机，勾选...
⑺ 怎么用python批量将ppt转换成pdf
打开office转换器
选择批量转换
选中文件后
点击需要转换的类型
然后点击确定
⑻ VBA 或 python 如何批量将JPG文件转PDF
# -*- coding:utf-8 -*-
#!/usr/bin/env python
import os
from reportlab.lib.pagesizes import A4, landscape
from reportlab.pdfgen import canvas
from tkinter import *
import time
# 图片文件名称列表
IMAGEFILES = []
class pdfTk(object):
def __init__(self):
'''用于生成主界面用于填写'''
self.top = Tk()
self.sw = self.top.winfo_screenwidth()
self.sh = self.top.winfo_screenheight()
self.topw = 500
self.toph = 200
self.top.title('图片转pdf生成器')
self.top.geometry("%dx%d+%d+%d" % (self.topw, self.toph, (self.sw - self.topw) / 2, (self.sh - self.toph) / 2))
self._DIRPATH = StringVar(self.top)
self.emptfmone = Frame(self.top, height=50)
self.emptfmone.pack()
self.dirfm = Frame(self.top)
self.descriptLabel = Label(self.dirfm, width=4, text='路径：')
self.descriptLabel.pack(side=LEFT)
self.dirn = Entry(self.dirfm, width=50, textvariable=self._DIRPATH)
#self.dirn.bind('<Return>', self.setPath)
self.dirn.pack(side=LEFT)
self.dirfm.pack()
self.emptfmtwo = Frame(self.top, height=30)
self.emptfmtwo.pack()
self.btnfm = Frame(self.top)
self.converBtn = Button(self.btnfm, width=10, text='生成PDF', command=self.doneAnyThing,
activeforeground='white', activebackground='blue')
self.quitBtn = Button(self.btnfm, width=10, text='退出', command=self.top.quit, activeforeground='white',
activebackground='blue')
self.converBtn.pack(side=LEFT, padx=10)
self.quitBtn.pack(side=LEFT, padx=10)
self.btnfm.pack()
def doneAnyThing(self):
self.getListImages(self._DIRPATH.get())
pdfFile = self.converPath(self._DIRPATH.get()) + self.dateStr() + ".pdf"
self.convertpdf(pdfFile)
def convertpdf(self, pdfFile):
'''多个图片合成一个pdf文件'''
(w, h) = landscape(A4) #
cv = canvas.Canvas(pdfFile, pagesize=landscape(A4))
for imagePath in IMAGEFILES:
cv.drawImage(imagePath, 0, 0, w, h)
cv.showPage()
cv.save()
def getListImages(self, dirPath):
'''读取指定文件夹下所有的JPEG图片，存入列表'''
if dirPath is None or len(dirPath) == 0:
raise ValueError('dirPath不能为空，该值为存放图片的具体路径文件夹！')
if os.path.isfile(dirPath):
raise ValueError('dirPath不能为具体文件，该值为存放图片的具体路径文件夹！')
if os.path.isdir(dirPath):
for imageName in os.listdir(dirPath):
if imageName.endswith('.jpg') or imageName.endswith('.jpeg'):
absPath = self.converPath(dirPath) + imageName
IMAGEFILES.append(absPath)
def converPath(self, dirPath):
'''用于转换路径，判断路径后是否为\\，如果有则直接输出，如果没有则添加'''
if dirPath is None or len(dirPath) == 0:
raise ValueError('dirPath不能为空！')
if os.path.isfile(dirPath):
raise ValueError('dirPath不能为具体文件，该值为文件夹路径！')
if not str(dirPath).endswith("\\"):
return dirPath + "\\"
return dirPath
def dateStr(self):
'''用于生成指定格式的日期，目的是为了拼接字符串'''
return time.strftime("%Y-%m-%d", time.localtime())
def main():
'''该函数主要用于生成PDF文件'''
pdfTk()
mainloop()
if __name__ == '__main__':
'''主函数，进行启动'''
main()