Conversão de Arquivo PDF para PDF OCR

[Vitor Vaz]

Bom Dia  Galera Hardware. 
Tudo bem ?

 

Gostaria de um Suporte de vocês. 
Tenho uma impressora Lexmark MX710, e efetuo o scanner em PDF para uma pasta local. Preciso fazer a conversão desse PDF para PDF OCR.  Alguém sabe de algum software que realmente funcione essa conversão ?  Ou ate mesmo alguém possue alguma programação para fazer essa conversão ?

Observação já tentei alguns programas, porém informa que fez a conversão, mais quando acesso não converteu. 

[Swalls]

@Vitor Vaz sabe programar em alguma linguagem? python, por exemplo, tem vários modulos que fazem isso.

por exemplo esse aqui.

Tem esse tutorial aqui também. Se não souber fala que tento dar uma lida e criar algo rápido se n for muito difícil.

[Vitor Vaz]

@Swalls  Não sei, algumas pessoas tinha me informado que daria para criar via python. Mais nem procurei mais sobre. 
Vou dar uma lida nesse post e verificar algo.  Te dou um retorno aqui caso não conseguir. 

[Swalls]

@Vitor Vaz sabe instalar o python? você vai ter que instalar ele e fazer pip install nas bibliotecas PyPDF2, pytesseract, e fpdf. basta pesquisar o nome delas no google que aparece como fazer o pip.

 

substituia input.pdf pelo nome do seu arquivo, com diretorio dele também!

substitua output.pdf pelo nome que você quer que o novo arquivo tenha.

não testei esse código, ent pode ter bugs.

import PyPDF2
import pytesseract
from fpdf import FPDF

# abre o arquivo pdf de entrada
pdf = PyPDF2.PdfFileReader(open("input.pdf", "rb"))

# extrai o conteúdo do pdf
text = ""
for i in range(0, pdf.getNumPages()):
    text += pdf.getPage(i).extractText()

# realiza a ocr no conteúdo
ocr_text = pytesseract.image_to_string(text)

# cria novo pdf com o texto ocr
pdf = FPDF()
pdf.add_page()
pdf.set_font("Arial", size=12)
pdf.cell(200, 10, txt=ocr_text, ln=1, align="C")
pdf.output("output.pdf")