Docker 部署 OCRmyPDF、提取PDF内容

 一、镜像导入

# 拉取镜像docker pull jbarlow83/ocrmypdf# 导出镜像docker save -o /data/ocrmypdf/ocrmypdf.tar jbarlow83/ocrmypdf:latest# 导入镜像docker load -i ocrmypdf.tar

 二、调取镜像

# 【调用镜像】（以下2选1）# 1-执行后删除容器【官方推荐】docker run --rm -it -v /data:/data jbarlow83/ocrmypdf /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim# 2-保留容器docker run -itd -v  /data:/data --name="zc-pdfocr-1"  --entrypoint python -p 5000:5000  jbarlow83/ocrmypdf webservice.py# 固定容器名称调用docker exec zc-pdfocr-1 ocrmypdf  /data/ocrmypdf/test/test.pdf /data/ocrmypdf/test/output.pdf --skip-text -l chi_sim

 以上完成了：【图片类型的pdf】 向 【文本类型的pdf】 的转换。

至此，可以二次调用 PdfToContent 方法，进行PDF内容的提取。

三、拓展：PdfToContent        (golang抽取pdf内容)

package pdfimport ("bytes""github.com/ledongthuc/pdf")func PdfToContent(filePath string) (result string, err error) {f, r, err := pdf.Open(filePath)// remember close fileif err != nil {return}defer f.Close()var buf bytes.Bufferb, err := r.GetPlainText()if err != nil {return}_, err = buf.ReadFrom(b)if err != nil {return}result = buf.String()return}