通过python实现自动识别文字并且自动打开文件夹找到pdf格式文件进扫描并保存到excel里面

这个需求可以用Python中的OCR库和操作系统库来实现。以下是一个基本的代码示例：

import os
import pytesseract
import cv2
import pandas as pd

# 设置 OCR 库路径和语言
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
language = 'eng'

# 搜索 PDF 文件并且进行 OCR 识别
pdf_folder = 'path/to/folder'
pdf_files = [f for f in os.listdir(pdf_folder) if f.endswith('.pdf')]

pdf_text = []
for pdf_file in pdf_files:
    pdf_path = os.path.join(pdf_folder, pdf_file)
    # 使用 pdf2image 库将 PDF 转换为图像
    images = pdf2image.convert_from_path(pdf_path)
    for image in images:
        # 将图像转换为灰度图像
        gray = cv2.cvtColor(np.array(image), cv2.COLOR_BGR2GRAY)
        # 使用 OCR 库进行文字识别
        text = pytesseract.image_to_string(gray, lang=language)
        pdf_text.append((pdf_file, text))

# 将结果保存到 Excel 文件中
df = pd.DataFrame(pdf_text, columns=['File', 'Text'])
df.to_excel('pdf_text.xlsx', index=False)

在这个代码中，首先我们使用了 `os` 库来搜索 PDF 文件，然后使用 `pdf2image` 库将 PDF 转换为图像，使用 `pytesseract` 库进行 OCR 文字识别。最后，将识别结果保存到 Excel 文件中。

需要注意的是，这个代码只是一个基本的示例，实际使用中可能需要根据具体情况进行修改和优化。例如，OCR 的准确性可能会受到图像质量和文本复杂度的影响，需要通过调整参数和使用更高级的 OCR 库来提高准确性。