PDF转TXT免费脚本

背景说明

前几天（2018.11.11之前）严锋老师在微博上询问有没有什么软件可以完成扫描版PDF OCR转录成TXT的免费软件。从网友的回复来看，似乎仍然没有一款软件能满足上述的全部需求（免费且好用）。鉴于最近调用了腾讯的通用OCR API做文字识别，那么为什么不自己写个脚本完成这个任务呢？

况且在日常的生活中，我们经常会有需求需要将一些（盗版的）扫描PDF转录成更容易阅读和格式调整的纯文本格式，所以就有了这么一个小项目。

脚本说明

本脚本为python脚本，使用的库包括json，pillow和pdf2image等。从PDF转成TXT的关键步骤OCR识别则是调用了腾讯的通用ocr识别api。

如果你对于python有一定的了解，或者有足够的精力和兴趣折腾，欢迎尝试使用。如果感觉还不错，欢迎提供点星；如果觉得不好，也欢迎留言提供建议。

脚本链接

github地址：https://github.com/wangx404/PDF2TXT

请注意，本脚本所使用协议为GPL2.0，请勿将其用于商业用途。