PythonでPDFのOCRを実装します．

ライブラリのインストール

! pip install fitz
! pip install PyMuPDF==1.16.14

! apt install tesseract-ocr
! apt install libtesseract-dev
! pip install pytesseract
! apt install ghostscript
! pip install ocrmypdf

OCRの実行

下記のコードで日本語データをインストールします．

# 日本語のインストール
! apt install tesseract-ocr-jpn*
! tesseract --list-langs

そして，下記のコードでOCRを実行します．

!ocrmypdf -l jpn_vert Jisaku_x86.pdf Jisaku_x86_ocr.pdf

まとめ

PythonでPDFのOCRを実装しました．

参考サイト

ubuntuでocrmypdfを使ってPDFをOCRする