基于pyqt5实现PDF文档解析工具

为了更深入的学习和了解PDF文档，计划利用pyqt5实现一个PDF文档解析工具，具体的功能如下：

（a）PDF转图片（已实现）

（b）图片转PDF（已实现）

（b）PDF文本提取（已实现）

（d）图片文本提取（已实现）

（e）PDF表格抽取及结构化解析（计划中）

主要实现技术：pymupdf + ocr

一、UI界面如下

                                                                                                        图（1）

1.1 PDF转图片

                                                                                                        图（2）

                                                                                                       图（3）

步骤4，选择保存路径，即可将PDF转换为图片。

1.2 图片转PDF

                                                                                                      图（4）

将所选目录中的图片转换成一个PDF文件。

 

1.3 文本提取

工具支持选择一个区域，提取区域内的所有文本，支持的文件格式为pdf和图片，具体如下：

（1）导入文件

         如图（1）所示，可以导入pdf或者图片，后续开发考虑支持更多文件格式

（2）选择区域

  

                                                                                           图（5）

（3）文本解析

通过图（5）步骤4，得到解析结果为：

 

想体验软件功能或想获取源码，请点击下面的链接关注：

https://pan.baidu.com/s/1jhtIwPQA0hjtSoKj87dsUg

后续文章，将更新软件代码思路和实现。