【项目】Node.js + Electron 撸个OCR工具
发布于 6 年前 作者 giscafer 5974 次浏览 来自 分享

背景

朋友工作总要找资料什么的,大多是pdf扫描版格式,无法复制,需要转成word或者文字,但由于其人穷,又不买那些pdf在线转换word的工具。得知后,帮助开发一个工具给她使用。

支持功能

  • image ocr node test/ocr.test.js (图片文字提取)
  • converting scanned PDF’s to an image (扫描版PDF转为图片后文字提取,同下)
  • support pdf ocr node test/pdf.test.js (PDF 文字提取)
  • support electron desktop packager (Electron打包为Desktop App)

Demo 截图

实现过程介绍

本项目基于百度AIP平台,OCR接口

图片OCR 提取文字

这个简单,直接走百度OCR即可得到结果。node.js调用SDK而已

PDF

正常格式PDF

这个通过pdfinfo 工具 + GraphicsMagick 来实现,pdfinfo获取pdf文件信息(分页信息等),GraphicsMagick 将pdf作为图片(处理图片很强大)。

扫描版PDF

这个麻烦是在 pdfinfo 工具是无法获取pdf文件信息的,需要代码做兼容情况处理。扫描版PDF最终还是转换图片后再OCR提取文字。

源码

详细使用方式阅读README.md https://github.com/giscafer/easyocr

一年多不逛cnode了,回来看看,顺便分享这个demo,也是这几天开发的。

9 回复

划重点 她,顺便问一句,如何解决electron体积过大问题

你这是electron写的哦

@zlyuanteng electron只是写界面,核心功能都是node.js

@yuu2lee4 犀利。。。

electron 体积大是硬伤,网上有一些优化方式,但是效果不是很显著,记得github看到过一个新的工具,目的是解决electron体积问题的。想找但找不着了

百度这个接口的调用限制是多少?

@kzfile

我是百度云老用户,用的是免费版【通用文字识别】——5w次/天,有qps限制,如图

TIM截图20180907092629.png

新用户不限次数,官网宣传是这么说的

厉害啊

来自拉风的 Taro-cnode

@tsaisb 也只有实用工具才有动力玩这些demo了。

回到顶部