pdf2text

Klasör içerisindeki tüm PDF'leri metne dönüştürür.

1. Kurulum:

Yüklenmesi gerekenler:

• Poppler (https://blog.alivate.com.au/poppler-windows/)
• Tesseract (https://github.com/UB-Mannheim/tesseract/wiki)

Yüklenmesi gereken Python kütüphaneleri:

• PIL
• pytesseract
• pdf2image

2. Kullanım:

pdf2text(pdf_file_path = 'pdf', image_path = 'images', output_text_path = 'outputs', dpi = 500)

pdf_file_path: PDF'lerin bulunduğu klasörün yolu.

image_path: Metne dönüştürmeden önce her bir sayfayı görsel olarak kaydeder. Bu görsellerin kaydedileceği klasörün yolu.

output_text_path: Görseller üzerindeki metinleri txt formatında kaydedileceği klasörün yolu.

dpi: Görüntünün kalitesini belirleyen parametre.

3. Referans:

• https://www.geeksforgeeks.org/python-reading-contents-of-pdf-using-ocr-optical-character-recognition/