Конвертация текста из pdf файла в txt python

@insooooo · Регистрация: 01.06.2019

Студворк — интернет-сервис помощи студентам

Здравствуйте, pdf файл без сканов(изображений) хорошо конвертирует.
Собственно вопрос, как мне из моего файла, который забит сканами, получить текст и конвертнуть в txt файл, можете подсказать какие-то библиотеки или примеры для получение и конвертации текста с изображений сканов и последующей конвертации в txt файл ?

@dondublon · 21.07.2020, 15:02

Распознавание текста? Задача нетривиальная.

Добавлено через 21 секунду
Гуглить OCR, если это то, что вам нужно.

@insooooo · 21.07.2020, 15:20 **[ТС]**

Я уже смотрю, но опять же не удобно очень из файла pdf сначала надо выгрузить картинки, а уже после получать текст, пока не нашёл решения для преобразование этого в рамках самого файла при конвертации

@Fudthhh · 21.07.2020, 15:24

insooooo, не удобно какать вверх ногами. А как ты себе представляешь чтоб ты просто двумя командами выгрузил текст из картинки, которые еще дополнительно упакованы в pdf? Естественно тебе изначально надо выгрузить картинки, далее использовать готовые библиотеки(если они есть) или сервисы по преобразованию в текст, а далее записать полученные данные в файл.

@Garry Galler · 21.07.2020, 15:33

Сообщение от insooooo

пока не нашёл решения

Для ocr существует tesseract - внешняя программа и всякие обертки вокруг ее CLI.
Другая альтернатива - ABBYY FineReader Engine. Платный SDK - на сайте есть пример APi для С++. Есть ли для Python - непонятно.
И это, пожалуй, все реальные возможности.
Ну может быть еще какие-нить микросервисы с API.

@Viktorrus · 21.07.2020, 20:09

insooooo, В интернете полно ссылок на средства преобразования в txt как из pdf формата так и из сканов OCR с текстом в файлы txt.
Например вот
https://www.pdf2go.com/ru/pdf-to-text
Еще есть средство с использованием какого то Гугл диска, и много всего. Читайте интернет.
А в общем то Garry Galler, Вам уже все рассказал.

Новые блоги и статьи Все статьи Все блоги /
Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .	Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и напряжениями. Надо найти токи в ветвях. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и решает её. Последовательность действий:. . .
Новый CodeBlocs. Версия 25.03 palva 04.01.2026 Оказывается, недавно вышла новая версия CodeBlocks за номером 25. 03. Когда-то давно я возился с только что вышедшей тогда версией 20. 03. С тех пор я давно снёс всё с компьютера и забыл. Теперь. . .	Модель микоризы: классовый агентный подход anaschu 02.01.2026 Раньше это было два гриба и бактерия. Теперь три гриба, растение. И на уровне агентов добавится между грибами или бактериями взаимодействий. До того я пробовал подход через многомерные массивы,. . .	Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Programma_Boinc 28.12.2025 Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Налог на собак: https:/ / ********/ gallery/ V06K53e Финансовый отчет в Excel: https:/ / ********/ gallery/ bKBkQFf Пост отсюда. . .	Кто-нибудь знает, где можно бесплатно получить настольный компьютер или ноутбук? США. Programma_Boinc 26.12.2025 Нашел на реддите интересную статью под названием Anyone know where to get a free Desktop or Laptop? Ниже её машинный перевод. После долгих разбирательств я наконец-то вернула себе. . .

@insooooo 0 / 0 / 0 Регистрация: 01.06.2019 Сообщений: 2

	Конвертация текста из pdf файла в txt python 21.07.2020, 14:31. Показов 2866. Ответов 5 Метки нет (Все метки) Здравствуйте, pdf файл без сканов(изображений) хорошо конвертирует. Собственно вопрос, как мне из моего файла, который забит сканами, получить текст и конвертнуть в txt файл, можете подсказать какие-то библиотеки или примеры для получение и конвертации текста с изображений сканов и последующей конвертации в txt файл ? 0

@dondublon 4652 / 2072 / 366 Регистрация: 17.03.2012 Сообщений: 10,182 Записей в блоге: 6
	21.07.2020, 15:02
	Распознавание текста? Задача нетривиальная. Добавлено через 21 секунду Гуглить OCR, если это то, что вам нужно. 1

@insooooo 0 / 0 / 0 Регистрация: 01.06.2019 Сообщений: 2
	21.07.2020, 15:20 [ТС]
	Я уже смотрю, но опять же не удобно очень из файла pdf сначала надо выгрузить картинки, а уже после получать текст, пока не нашёл решения для преобразование этого в рамках самого файла при конвертации 0

@Fudthhh Модератор 2695 / 1601 / 513 Регистрация: 21.02.2017 Сообщений: 4,210 Записей в блоге: 1
	21.07.2020, 15:24
	insooooo, не удобно какать вверх ногами. А как ты себе представляешь чтоб ты просто двумя командами выгрузил текст из картинки, которые еще дополнительно упакованы в pdf? Естественно тебе изначально надо выгрузить картинки, далее использовать готовые библиотеки(если они есть) или сервисы по преобразованию в текст, а далее записать полученные данные в файл. 1

@Viktorrus 1732 / 970 / 199 Регистрация: 22.02.2018 Сообщений: 2,693 Записей в блоге: 6
	21.07.2020, 20:09
	insooooo, В интернете полно ссылок на средства преобразования в txt как из pdf формата так и из сканов OCR с текстом в файлы txt. Например вот https://www.pdf2go.com/ru/pdf-to-text Еще есть средство с использованием какого то Гугл диска, и много всего. Читайте интернет. А в общем то Garry Galler, Вам уже все рассказал. 0