Python模块，可以从一个pdf文件中删除OCRD文本层并将其移动到另一个pdf文件？

我有两个pdf文件，它们几乎是一样的，除了有OCR文本和没有，它们有不同的压缩

我想这样做的原因是，第一个文件的OCRD文本中存在一些错误，并且该文件使用OCRD文本覆盖相应的图像，这使我无法知道正确的文本是什么。这就是第二个文件可以帮助我的方式

我想

• 使第一个文件显示图像，隐藏OCRD文本，不覆盖图像

• 或者，将OCRD文本从第一个文件移动到第二个文件

• 或者，从第一个文件中删除OCR文本，然后重新对其进行OCR，因为Adobe Acrobat无法用OCR文本重新对pdf文件进行OCR

因此，我想知道是否有一个Python模块可以将OCRD文本层从第一个文件移动到第二个文件，同时将OCRD文本层从第一个文件中移除

如果没有，哪些语言可能有这样的库

---

谢谢

查看pdfminer；这并不是一个用户友好的API，但您应该能够浏览PDF结构并删除阻碍的文本。你可以带着具体的问题回来

---

但是如果只是一个隐藏OCR的问题，你可以在Acrobat中打开文件来隐藏它；IIRC它可以选择只显示OCR，只显示背景，或同时显示两者

您可以使用

pdftk

尝试一些东西，即使它不是Python。有可能看到两个这样的PDF文件吗？@lserni:updated。请看我的帖子。我找不到如何使用pdftk实现这一点。谢谢你，如果你知道如何。堆栈溢出不是一个图书馆购物问题的好网站；问题应该用一个单一的、客观的答案来回答，而对于“X存在哪些库？”你可能不想看，但由于我不经常访问那个网站，我不能告诉你这是否是一个适合他们的问题；阅读他们的帮助。如果没有，论坛、邮件列表、聊天室等通常都适合主观问题。谢谢。但我不知道pdfminer如何将ocred文本从一个pdf移动到另一个pdf，并从第一个pdf中删除ocred文本。pdfminer在提取内容方面非常出色。你应该能够操纵这些结构并（iirc）再次写出它们，但我的重点是查看图像下的内容——我看到了一个简单的脚本，它将写出它找到的所有图像，这对你来说已经足够了，因为每个OCR页面都是一个图像。如果您想要更强大的能力来生成自己的文档，请查看ReportLab，我从未使用过它，但它似乎是使用python生成PDF的最佳解决方案。如何使用

pdfminer.six从PDF中删除OCR文本？任何代码片段都会有帮助。对不起，我已经多年没有玩过这个了。有人需要玩弄它。。你为什么不试一下，当你尽你所能的时候，问一个关于你的情况的新问题。