后台实现详情见 https://www.ficapy.com/2018/04/01/pdfaddtext_architecture/
因为个人有几本扫描版的 PDF 书籍，无法进行文本内容搜索。同时逛 V2 的时候也发现有人有同样的问题，比如https://www.v2ex.com/t/420491，https://www.v2ex.com/t/408071。于是用 Python 写了一个小工具，原理就是调用 OCR 接口得到图片识别结果。将结果作为隐藏文字层放置到对应文字的上方，这样 PDF 阅读器就可以搜索到相应的文本了
最开始只是写了一个 Python 脚本。后来写成了一个 web 服务，使用 C++编译成 wasm 让 PDF 修改操作在浏览器端执行避免了文件的下载。虽然同时使用了多家 OCR 的服务，但是处理任务数量依然有限。只能限制每个 PDF 文件不超过 20 页，提供 Python 小脚本，可以自己注册百度的免费服务本地执行转换
后端代码暂时没有开源出来，过段时间会~~~
最后求个深圳 Python 开发岗，3 年工作经验，熟悉 Python 了解 Golang。意向为后台开发或者运维平台开发，求大佬推荐
联系地址(base64)
微信: RmljYXB5
邮箱: YWZleGNnQGdtYWlsLmNvbQ==
Select Language