【業務効率化実演】PythonでOCRを使ってPDFファイルを一括リネームしてみた

今回はTesseract OCRを使用して、PDFファイルの一括リネームを行う方法をご紹介します。

請求書などをスキャンして保管する場合、ファイル名に会社名などの情報を含める必要があります。しかし、手動で全てのファイル名を変更することは非常に手間がかかります。そこで、Pythonを使ってOCRを実行し、ファイル名に必要な情報を抽出して、一括でリネームします。

これにより、面倒な作業を自動化することができ、作業効率が飛躍的に向上することが期待できます。

ぜひ、この動画を参考にして、Pythonを使った業務効率化を実現してください！

コード・PDFのダウンロードとTesseract OCR・poppler・7zipのダウンロードおよび設定方法
https://arika-blog.com/automation/

pdf2image公式ページ
https://pdf2image.readthedocs.io/en/latest/reference.htm #module-pdf2image.pdf2image

【tesseract layout】
0 Orientation and script detection (OSD) only.
1 Automatic page segmentation with OSD.
2 Automatic page segmentation, but no OSD, or OCR. (not implemented)
3 Fully automatic page segmentation, but no OSD. (Default)
4 Assume a single column of text of variable sizes.
5 Assume a single uniform block of vertically aligned text.
6 Assume a single uniform block of text.
7 Treat the image as a single text line.
8 Treat the image as a single word.
9 Treat the image as a single word in a circle.
10 Treat the image as a single character.
11 Sparse text. Find as much text as possible in no particular order.
12 Sparse text with OSD.
13 Raw line. Treat the image as a single text line, bypassing hacks that are Tesseract-specific.

blog
https://arika-blog.com/
Twitter
https://twitter.com/python_academia

#python
#社内DX
#DX
#業務効率化
#Pythonアカデミア
#pdf
#ocr
#自動化
#tesseract