Docker 部署 OCRmyPDF、提取PDF内容
一、镜像导入# 拉取镜像
docker pull jbarlow83/ocrmypdf
# 导出镜像
docker save -o /data/ocrmypdf/ocrmypdf.tar jbarlow83/ocrmypdf:latest
# 导入镜像
docker load -i ocrmypdf.tar
二、调取镜像
# 【调用镜像】(以下2选1)
# 1-执行后删除容器【官方推荐】
docker run --rm -it -v /data:/data jbarlow83/ocrmypdf /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim
# 2-保留容器
docker run -itd -v/data:/data --name="zc-pdfocr-1"--entrypoint python -p 5000:5000jbarlow83/ocrmypdf webservice.py
# 固定容器名称调用
docker exec zc-pdfocr-1 ocrmypdf/data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim
#如果运行出现失败/错误/线程问题,尝试在docker run的时候增加参数
--security-opt seccomp=unconfined --privileged=true 以上完成了:【图片类型的pdf】 向 【文本类型的pdf】 的转换。
至此,可以二次调用 PdfToContent 方法,进行PDF内容的提取。
三、拓展:PdfToContent (golang抽取pdf内容)
package pdf
import (
"bytes"
"github.com/ledongthuc/pdf"
)
func PdfToContent(filePath string) (result string, err error) {
f, r, err := pdf.Open(filePath)
// remember close file
if err != nil {
return
}
defer f.Close()
var buf bytes.Buffer
b, err := r.GetPlainText()
if err != nil {
return
}
_, err = buf.ReadFrom(b)
if err != nil {
return
}
result = buf.String()
return
}
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
页:
[1]