rapidocr-pdf 0.0.1

Tools of extracting PDF content based on RapidOCR

RapidOCRPDF

• 依托于RapidOCR仓库，快速提取PDF中文字，包括扫描版PDF、加密版PDF。
• 暂不包括版式还原。

使用

1. 安装rapid_ocr_pdf库

   # 基于rapidocr_onnxruntime
   pip install rapid_ocr_pdf[onnxruntime]
   
   # 基于rapidocr_openvino
   pip install rapidocr_pdf[openvino]
   

2. 使用方式

   from rapidocr_pdf import PDFExtracter
   
   pdf_extracter = PDFExtracter()
   
   pdf_path = 'tests/test_files/direct_and_image.pdf'
   texts = pdf_extracter(pdf_path)
   print(texts)
   

3. 输入输出说明
   • 输入：Union[str, Path, bytes]
   • 输出：List [页码, 文本内容 + 置信度]， 具体参见下例：

     [
         ['0', '达大学拉斯维加斯分校）的一次中文评测中获得最', '0.8969868'],
         ['1', 'ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network∗\nYuliang Liu‡†', '0.8969868'],
     ]