質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.49%
Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

3820閲覧

複数ページのtiffファイルを、OCRで全ページ文字認識、テキストファイルへ書き出しをしたい

kagip

総合スコア1

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2021/05/15 10:52

python初心者です。

・実行したいこと
複数ページのtiffファイルを、OCRで全ページ文字認識し、テキストファイルへ書き出しをしたいです。

・問題点
image_to_string()関数を呼び出し、OCR実行させましたが、1ページ目の画像しかテキストファイルへ書き出しができません。

・ご教示いただきたいこと
どこに問題があるのか分からず解決ができません。
問題点・解決方法をご教示いただけますでしょうか。

ページ数を確認することはできるのですが、ページを繰り返し処理をする方法がわかりません。
fLength =img_org.n_frames
print(fLength)#ページ数は確認できる

また、image_to_string()の引数の設定で工夫できるのかと調べてみたのですが、TextBuilder()でpagemodeの番号を変更しても解決ができません。
result = tool.image_to_string(img_org, lang="jpn", builder=builder)

お手数をおかけしますが、どうぞよろしくお願いいたします。

該当のソースコード

import os
from PIL import Image
import pyocr
import pyocr.builders
from pathlib import Path

os.chdir(ファイルパス)

--- 1.インストール済みのTesseractのパスを通す---
path_tesseract = "C:\Program Files\Tesseract-OCR"
if path_tesseract not in os.environ["PATH"].split(os.pathsep):
os.environ["PATH"] += os.pathsep + path_tesseract

--- 2.OCRエンジンの取得---
tools = pyocr.get_available_tools()
tool = tools[0]

--- 3.原稿画像の読み込み---
img_org = Image.open(".\gazou.tiff")

---ページ数を求める---
fLength =img_org.n_frames
print(fLength)

--- 4.OCR実行---
builder = pyocr.builders.TextBuilder()
result = tool.image_to_string(img_org, lang="jpn", builder=builder)
print(result)

txtph = Path(".\gazo_to_text.txt")
with txtph.open(mode="w") as f:
f.write(result)

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

PillowでマルチページTIFFを分割するを使えば、一度保存してそれを変換できるでしょう。

上記の処理をよく読んで応用すれば、一旦ファイルに保存しなくても実現できるとは思います。

投稿2021/05/15 11:08

ppaul

総合スコア24666

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

kagip

2021/05/16 12:28

ご回答ありがとうございます。一度分割するとできました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.49%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問