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 /
Очистка реквизитов документа при копировании Maks 09.04.2026 Алгоритм из решения ниже применим как для типовых, так и для нетиповых документов на самых различных конфигурациях. Задача: при копировании документа очищать определенные реквизиты и табличную. . .	модель ЗдравоСохранения 8. Подготовка к разному выполнению заданий anaschu 08.04.2026 https:/ / github. com/ shumilovas/ med2. git main ветка * содержимое блока дэлэй из старой модели теперь внутри зайца новой модели 8ATzM_2aurI	Блокировка документа от изменений, если он открыт у другого пользователя Maks 08.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа, разработанного в конфигурации КА2. Задача: запретить редактирование документа, если он открыт у другого пользователя. / / . . .	Система безопасности+живучести для сервера-слоя интернета (сети). Двойная привязка. Hrethgir 08.04.2026 Далее были размышления о системе безопасности. Сообщения с наклонным текстом - мои. А как нам будет можно проверить, что ссылка наша, а не подделана хулиганами, которая выбросит на другую ветку и. . .
Модель ЗдрввоСохранения 7: больше работников, больше ресурсов. anaschu 08.04.2026 работников и заданий может быть сколько угодно, но настроено всё так, что используется пока что только 20% kYBz3eJf3jQ	Дальние перспективы сервера - слоя сети с космологическим дизайном интефейса карты и логики. Hrethgir 07.04.2026 Дальнейшее ближайшее планирование вывело к размышлениям над дальними перспективами. И вот тут может быть даже будут нужны оценки специалистов, так как в дальних перспективах всё может очень сильно. . .	Горе от ума kumehtar 07.04.2026 Эта мне ментальная установка, что вот прямо сейчас, мол, мне для полного счастья не хватает (нужное вписать), и когда я этого достигну - тогда и полный кайф. Одна из самых сильных ловушек на пути. . . .	Использование значений реквизитов справочника в документе, с определенными условиями и правами Maks 07.04.2026 1. Контроль срока действия договора Алгоритм из решения ниже реализован на примере нетипового документа "ЗаявкаНаРаботу", разработанного в конфигурации КА2. Задача: уведомлять пользователя, если. . .

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

	Конвертация текста из pdf файла в txt python 21.07.2020, 14:31. Показов 2933. 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 4653 / 2073 / 366 Регистрация: 17.03.2012 Сообщений: 10,183 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 2696 / 1602 / 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