andreo1 0.0.1

Read text or text in images inside a pdf and turn it into string

Biblioteca Andreo 🌱

Funções atuais:

• leitura de pdf com textos ou textos em imagens e transformação para string.

Instalação

Utilize a biblioteca pip install andreo1

Dependencias

pip install pdf2image
pip install numpy
pip install pytesseract
pip install opencv-python

Sistema Operacional

Para o bom funcionamento é necessária a instalação do poppler e tesseract.

Windows

Deve-se adicionar ao path os seguintes arquivos

Tesseract Windows x64: Pasta onde fica o tesseract.exe

Tesseract Windows x86

Poppler Windows: pasta /bin

🚨🚨🚨 Apos a instalação dos dois no path o sistema, o Windows deve ser reiniciado !! 🚨🚨🚨

MacOs

Utilizando o HomeBrew execute os comando:

brew install poppler

brew install tesseract

brew install tesseract-lang

Exemplos

• Função recortaUmaPagina(pdfPath,pagina,aI,aF,lI,lF,mode):

  • pdfPath: String = diretorio completo do arquivo. Ex: '/Users/yourUser/yourFolder/YourPDF.pdf'

  • pagina: Int = o numero da pagina que deseja ler ou verificar os tamanhos. Ex: 0. !! IMPORTANTE !!: A primeira pagina do seu arquivo PDF é a 0

  • aI, aF, lI, e lF: Int = são as coordenadas de corte. Caso não sejam preenchidas a função perguntará o tamanho do recorte

  • mode: String = O modo de uso da função. Para retornar uma string com os tamanhos da imagem use 'definicao', para retornar o texto da area selecionada use: 'recorte'. !! IMPORTANTE !! se não for preenchido, o padrão é recorte\n

  Exemplos

  • andreo.recortaUmaPagina(r'yourFolder/YourPDF.pdf',0,0,800,0,800) = vai retornar o texto escrito no pdf nas cordenadas [0:800:0:800]
  • andreo.recortaUmaPagina(r'yourFolder/YourPDF.pdf',0,'definicao')= vai permitir testar coordenadas diferentes e retorna-la como string

• Para manipular um PDF, página por página para por exemplo pegar mais de uma informação dela use o código abaixo:

import andreo                                                        
path = r'/Users/yourUser/yourFolder/YourPDF.pdf'                     
pdf = andreo.PdfCutReader(path)
allPages = pdf.allPages()
for page in range(pdf.pagesCount()):
    img = andreo.img.bytes()
    pg = allPages[page]
    pg.save(img, format='png')
    texto1 = pdf.retornaString(pdf.definicao(img.getvalue(), 0, 1500, 0, 1500))
    texto2 = pdf.retornaString(pdf.definicao(img.getvalue(), 10, 244, 0, 60))
img.close()

• Função leUmaPaginaInteira(pdfPath: str, pagina: int):
  • pdfPath: String = diretorio completo do arquivo. Ex: '/Users/yourUser/yourFolder/YourPDF.pdf'
  • pagina: Int = o numero da pagina que deseja ler ou verificar os tamanhos. Ex: !! IMPORTANTE !!: A primeira pagina do seu arquivo PDF é a 0 Exemplo 1: andreo.PdfCutReader(r'yourFolder/YourPDF.pdf').leUmaPaginaInteira(0)

Author

• Github @andreonaymayer