今回はOCR（PDFや画像データの文字認識）用ライブラリを紹介します。OCR用のサンプルデータは下記の通りです。 シンプルな読み込みはtabula.read_pdf(filepath, pages='all')とします。またfilepathにurlを指定すればweb経由で取得も可能です。 下記の通り戻り値はリスト ...

画像ファイルをフォルダにまとめて選ぶだけで、OCRが文字を抽出し、さらに画像付きでExcelに自動出力！ 面倒な手作業をゼロにして、業務効率を劇的に改善できるPythonスクリプトの活用法を紹介します。

This tool, initially made specifically for use with Sony's Digital Paper System (DPS), is now a general-purpose DjVu to PDF converter with a focus on small output size and the ability to preserve ...

In daily office work and development, we often need to extract text from specific regions of a large number of PDF files (e.g., dates/amounts on invoices, key indicators on reports) or capture ...

今回はブラザーのスキャナーでスキャンした結果を自動的にOCRを実行します。SambaやOCRmyPDF、Tesseract OCRなど、オープンソースソフトウェアだけで構成します。 紙の書類をなんとかしたい ペーパーレスなんて言葉はもう聞き飽きてしまいましたが、実際に ...