使用Python命名具有唯一名称的单个PDF文件

Question

我在一个地方工作，我的任务是扫描大量的指令，以便它们可以被数字化(大约10k页)。扫描仪，我有，可以采取约50-60PDF页面在同一时间，它保存为一个“大”的A4文件。问题是，我的老板希望每个页面本身就是PDF，而且它必须命名为它内部所说的页码。不只是1，因为它是文档中的第一页。这些指令在编号中跳来跳去，所以这并不容易。

我需要帮助的是：

1:如何从PDF内部检索页码

2:如何多次执行此操作(针对每个PDF文档)？

我已经将我的程序设置为每页创建一个PDF ...我希望有人能帮上忙:)

Answer 1

要获得页码，可以使用OpenCV提取页码所在的部分，然后使用pytesseract读取页码(当然，如果页码不总是在相同的位置，它就不起作用)。

否则，如果您一次放入扫描仪的50-60页在页码中有相关性(例如，按良好的顺序排列150到200页)，那么您可以在扫描一批页时指定起始页码，并在每次读取一页时增加此页码。

如果有帮助，请告诉我。