# RapidOCRPDF

**Repository Path**: chuchumaolu555/RapidOCRPDF

## Basic Information

- **Project Name**: RapidOCRPDF
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2023-10-07
- **Last Updated**: 2023-10-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## RapidOCRPDF
<p>
    <a href=""><img src="https://img.shields.io/badge/Python->=3.7,<=3.10-aff.svg"></a>
    <a href=""><img src="https://img.shields.io/badge/OS-Linux%2C%20Win%2C%20Mac-pink.svg"></a>
    <a href="https://pypi.org/project/rapidocr-pdf/"><img alt="PyPI" src="https://img.shields.io/pypi/v/rapidocr-pdf"></a>
    <a href="https://pepy.tech/project/rapidocr-pdf"><img src="https://static.pepy.tech/personalized-badge/rapidocr-pdf?period=total&units=abbreviation&left_color=grey&right_color=blue&left_text=Downloads"></a>
</p>

- 依托于[RapidOCR](https://github.com/RapidAI/RapidOCR)仓库，快速提取PDF中文字，包括扫描版PDF、加密版PDF。
- 如果是可以直接复制的PDF，可以直接使用[pdf2docx](https://github.com/dothinking/pdf2docx)，不再重复造轮子
- 如果是扫描版PDF，暂时不支持版式还原，后续有空会考虑加上，日期不定。

### 使用
1. 安装`rapidocr_pdf`库
   ```bash
   # 基于rapidocr_onnxruntime
   pip install rapidocr_pdf[onnxruntime]

   # 基于rapidocr_openvino
   pip install rapidocr_pdf[openvino]
   ```
2. 使用
   - 脚本使用：
        ```python
        from rapidocr_pdf import PDFExtracter

        pdf_extracter = PDFExtracter()

        pdf_path = 'tests/test_files/direct_and_image.pdf'
        texts = pdf_extracter(pdf_path)
        print(texts)
        ```
    - 命令行使用
        ```bash
        $ rapidocr_pdf -h
        usage: rapidocr_pdf [-h] [-path FILE_PATH]

        options:
        -h, --help            show this help message and exit
        -path FILE_PATH, --file_path FILE_PATH
                                File path, PDF or images

        $ rapidocr_pdf -path tests/test_files/direct_and_image.pdf
        ```

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：
       ```python
       [
           ['0', '人之初，性本善。性相近，习相远。', '0.8969868'],
           ['1', 'Men at their birth, are naturally good.', '0.8969868'],
       ]
       ```

### 更新日志
- 2023-04-17 v0.0.2 update:
  - 完善使用文档