ToB企服应用市场:ToB评测及商务社交产业平台

标题: Docker 部署 OCRmyPDF、提取PDF内容 [打印本页]
作者: 小小小幸运    时间: 2024-6-20 19:43
标题: Docker 部署 OCRmyPDF、提取PDF内容
 一、镜像导入

  1. # 拉取镜像
  2. docker pull jbarlow83/ocrmypdf
  5. # 导出镜像
  6. docker save -o /data/ocrmypdf/ocrmypdf.tar jbarlow83/ocrmypdf:latest
  7. # 导入镜像
  8. docker load -i ocrmypdf.tar
复制代码
 二、调取镜像

  1. # 【调用镜像】（以下2选1）
  3. # 1-执行后删除容器【官方推荐】
  4. docker run --rm -it -v /data:/data jbarlow83/ocrmypdf /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim
  7. # 2-保留容器
  8. docker run -itd -v  /data:/data --name="zc-pdfocr-1"  --entrypoint python -p 5000:5000  jbarlow83/ocrmypdf webservice.py
  10. # 固定容器名称调用
  11. docker exec zc-pdfocr-1 ocrmypdf  /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim
  13. #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
  14. --security-opt seccomp=unconfined --privileged=true
复制代码
 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)

  1. package pdf
  3. import (
  4.         "bytes"
  5.         "github.com/ledongthuc/pdf"
  6. )
  10. func PdfToContent(filePath string) (result string, err error) {
  11.         f, r, err := pdf.Open(filePath)
  12.         // remember close file
  13.         if err != nil {
  14.                 return
  15.         }
  16.         defer f.Close()
  17.         var buf bytes.Buffer
  18.         b, err := r.GetPlainText()
  19.         if err != nil {
  20.                 return
  21.         }
  22.         _, err = buf.ReadFrom(b)
  23.         if err != nil {
  24.                 return
  25.         }
  26.         result = buf.String()
  27.         return
  28. }
复制代码
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。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4