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。