问题描述
如下图所示,一份pdf有几十页,每页九张图片,
提取出图片并用图片下方的文本对图片命名
主要涉及问题:
图片提取
文本识别
借鉴了上面文本识别的资料,上面图片提取的顺序不一致,没办法把两个结合起来实现我的需求...图片按照宽度等比例缩放
长图按固定像素长度裁切
Python实现图片切割拼接实验——numpy数组的脑洞玩法
代码实现
# 导入库
import fitz,time,re,os,pdfminer...i 张图 i∈[1,9] 并保存
im.crop(box).save(product_pic_path)
print(f"第{count}页图片提取成功...save_page_pic(pdf_path,page_path)
# 提取文本信息
txt_data = parse_pdf_txt(pdf_path,code_str)
# 把提取到的文字...fina_path,"pdf文字信息.xlsx"),index=False)
pic_name = save_product_pic(txt_data,product_path,page_path)
# 把提取到的文字