Python 如何使用pytesseract从pdf文件中的图像中提取文本

我试图使用下面的代码从pdf文件的图像中提取文本。 PDF文件是合同文件，是合同的扫描副本。pdf文件中的所有页面都是图像

当我尝试使用下面的代码提取数据时，我收到一个错误，表示它无法读取文件/无法识别图像文件

try:
    import Image
except ImportError:
    from PIL import Image

import pytesseract

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'

# Simple image to string
#print(pytesseract.image_to_string(Image.open('C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python37\\Scripts\\1184.pdf')))

回溯（最近一次呼叫最后一次）：

文件“C:\Users\Administrator\eclipse workspace\tesseract\test\greetings.py”，第18行，在
打印（pytesseract.image_到_字符串（image.open（'C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python37\\Scripts\\1184.pdf'））
文件“C:\Users\Administrator\AppData\Local\Programs\Python37\lib\site packages\PIL\Image.py”，第2622行，处于打开状态
%（如果文件名为fp，则为文件名）
OS错误：无法识别图像文件“C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python37\\Scripts\\1184.pdf”

---

请帮助我如何开始尝试以图像形式打开pdf文件。不可能在他们的文档中声明他们不支持阅读pdf文件请参见：

---

无论如何，您可以使用库pdf2image将pdf转换为图像，然后使用pillow打开它并将其馈送给tesseract。

您尝试将pdf文件作为图像打开。不可能在他们的文档中声明他们不支持阅读pdf文件请参见：

---

无论如何，您可以使用库pdf2image将pdf转换为图像，然后使用pillow打开它并将其馈送给tesseract。

发生这种情况的原因是它找不到该文件。因此，路径可能是错误的（或者您应该使用原始字符串）。因此路径可能是错误的（或者您应该使用原始字符串）。

  File "C:\Users\Administrator\eclipse-workspace\tesseract\test\greetings.py", line 18, in <module>
    print(pytesseract.image_to_string(Image.open('C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python37\\Scripts\\1184.pdf')))
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python37\lib\site-packages\PIL\Image.py", line 2622, in open
    % (filename if filename else fp))
OSError: cannot identify image file 'C:\\Users\\Administrator\\AppData\\Local\\Programs\\Python\\Python37\\Scripts\\1184.pdf'