python批量实现ocr识别pdf到excel中

要批量实现OCR识别PDF到Excel中，可以使用Python的PyPDF2库和Pandas库来实现。以下是代码示例：

import os
import pytesseract
import PyPDF2
import pandas as pd

# 设置OCR识别的语言
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
language = 'eng'

# 定义函数，实现将PDF中的文本提取出来并进行OCR识别
def extract_text_from_pdf(pdf_path):
    pdf_file = open(pdf_path, 'rb')
    pdf_reader = PyPDF2.PdfFileReader(pdf_file)
    text = ''
    for i in range(pdf_reader.getNumPages()):
        page = pdf_reader.getPage(i)
        text += page.extractText()
    result = pytesseract.image_to_string(text, lang=language)
    pdf_file.close()
    return result

# 批量实现OCR识别PDF到Excel中
folder_path = 'path/to/folder'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.pdf'):
        pdf_path = os.path.join(folder_path, file_name)
        result = extract_text_from_pdf(pdf_path)
        df = pd.DataFrame({'text': [result]})
        result_path = os.path.join(folder_path, file_name.replace('.pdf', '.xlsx'))
        df.to_excel(result_path, index=False)

在这个示例代码中，我们先定义了一个函数`extract_text_from_pdf`，用于将PDF中的文本提取出来并进行OCR识别。在函数中，我们使用PyPDF2库打开PDF文件，遍历每一页，并将每一页的文本提取出来。然后，使用pytesseract库对提取出来的文本进行OCR识别，识别结果保存在变量`result`中。

然后，我们使用os库遍历文件夹中的所有PDF文件，对每个PDF文件调用`extract_text_from_pdf`函数进行OCR识别，并将OCR识别结果保存到同名的Excel文件中，使用Pandas库实现。最后，我们得到了一个批量实现OCR识别PDF到Excel的Python程序。