本项目基于GhostScript进行开发,目前支持PDF压缩以及PDF文字提取(OCR)

PDF文字提取目前支持的语言有 英文、简体中文、繁体中文、日文、韩文。

使用方法
使用Docker部署
建议使用Docker一键部署

mkdir -p /data/pdftoolbox/input
mkdir -p /data/pdftoolbox/output
docker run -d --name pdftoolbox --restart=always -p 8082:8082 -v /data/pdftoolbox/input:/opt/pdftoolbox/input  -v /data/pdftoolbox/output:/opt/pdftoolbox/output  mrlee326/pdftoolbox

启动成功后,在浏览器中访问 http://ip:8082, 如下图所示
image.png

选择上方的【pdf压缩】,然后点击【点击此处上传】按钮,选择要转换的文件,即可上传并压缩。目前支持三种压缩质量
高质量 (300dpi)
中质量 (150dpi)
低质量 (72dpi)

如下图所示

选择上方的【pdf压缩】,然后点击【点击此处上传】按钮,选择要转换的文件,即可上传并进行OCR文字提取。目前导出格式为txt。此过程会比较慢,请耐心等待。等待完毕后即可下载。

识别结果如下图所示:

本文转载自
https://github.com/lixiaofei123/pdftoolbox

上一篇 下一篇