def gerarpdf(request, u_printer, u_filename, raiz):
'''Extrai texto das imagem do pdf e as adiciona em uma camada trasparente sobre a imagem original'''
try:
# passa o local do arquivo que será convertido pegando a raiz do banco de dados e concatenando com a impressora e nome do arquivo
arquivo_original = os.path.join(raiz + '/' + u_printer, u_filename)
arquivo_destino = os.path.join(raiz + '/temp/' + u_filename)
pasta_temp = os.path.join(raiz + '/temp/')
# copiando arquivo para pasta temporária
shutil.copy2(arquivo_original, pasta_temp)
# Iniciando classe OCR
ocr = OCR.PyPDFOCR()
# adiciona um sufixo ao nome do arquivo
out_filename = arquivo_destino.replace(".pdf", "_ocr.pdf")
# caso já exista um arquivo com o nome do que será gerado, ele é excluido antes da conversão
if os.path.exists(out_filename):
os.remove(out_filename) # removendo arquivo
opts = [str(arquivo_destino), '-l por']
# convertendo
ocr.go(opts)
print('\nTerminado\n')
except:
messages.error(request, sys.exc_info())
return redirect(
r('digitalizacoes',
u_printer=u_printer,
u_filename='*file*',
u_action='*action*'))
def test_file_by_filename(self, mock_move):
"""
Test filing of single pdf based on filename.
"""
# Mock the move function so we don't actually end up filing
p = P.PyPDFOCR()
cwd = os.getcwd()
filename = os.path.join("pdfs", "test_super_long_keyword.pdf")
out_filename = filename.replace(".pdf", "_ocr.pdf")
if os.path.exists(out_filename):
os.remove(out_filename)
print("Current directory: %s" % os.getcwd())
#opts = [filename, "--config=test_pypdfocr_config.yaml", "-f"]
opts = [
filename, "--config=test_pypdfocr_config_filename.yaml", "-f", "-n"
]
p.go(opts)
assert (os.path.exists(out_filename))
os.remove(out_filename)
calls = [
call(
out_filename,
os.path.abspath(
os.path.join('temp', 'target', 'recipe',
os.path.basename(out_filename))))
]
mock_move.assert_has_calls(calls)
def getTextWithOCR( path, temporary_file_directory = '/tmp' ):
tmp_file_path = temporary_file_directory + '/stripped.pdf'
stripFirstAndLast10Pages( path, tmp_file_path )
ocr = pypdfocr.PyPDFOCR()
ocr.go( [tmp_file_path] )
os.remove(tmp_file_path)
tmp_ocr_path = emporary_file_directory + '/stripped_ocr.pdf'
cnt = getTextFromMetadata( tmp_ocr_path )
os.remove( tmp_ocr_path )
return cnt
def setup(self):
self.p = P.PyPDFOCR()
def pdfocr(self):
"""Return a PyPDFOCR instance"""
return pypdfocr.PyPDFOCR()
def pdfocr(self):
return pypdfocr.PyPDFOCR()