ABBYY真好用

	
	

	

		
		
>>> from ABBYY import CloudOCR
>>> ocr_engine = CloudOCR(application_id='YOUR_ABBYY_APPLICATION_ID', password='YOUR_ABBY_APPLICATION_PASSWORD')
>>> pdf = open('budget1988.pdf', 'rb')
>>> file = {pdf.name: pdf}
>>> result = ocr_engine.process_and_download(file, exportFormat='xml,pdfTextAndImages', language='French')
>>> result
{'xml': <_io.BytesIO object at 0x2e2e290>, 'pdfSearchable': <_io.BytesIO object at 0x2e2e2f0>}

	


ABBYY 真好用
只需要到官网注册一个账号，注册一个应用ID，就可以方便的用脚本将pdf进行ocr处理。
识别效果比Adobe Acrobat Pro要强不少，但是还是没有桌面版的abbyy要强，每月50页免费额度，分享到社交网站以后，每月增加100页免费额度，也就是说每月有150页额度，轻量经的使用也够了。
下面的代码即可将0.pdf进行原地OCR处理

	
	

	

		
		
with open('0.pdf', 'rb') as pdf:
    file = {pdf.name : pdf}
    result = ocr_engine.process_and_download(file, exportFormat='pdfSearchable', language='ChinesePRC')

with open('0.pdf', 'wb') as pdf:
    pdfSearchable = result.get('pdfSearchable')
    pdf.write(pdfSearchable.read())