https://blog.csdn.net/CHYabc123456hh/article/details/107830505
https://blog.csdn.net/CHYabc123456hh/article/details/107844769
先安装docker，拉取镜像，启动docker，配置好环境，照着文档安装好模块就可以使用了。
中间犯了个低级错误，在uninstall时，把deploy/hubserving/ 路径也给带上了，导致其实没有uninstall成功，再次安装时就报version 变量未定义，因此还看了install、uninstall的源码，绕了一大圈，浪费了很多时间。
推荐使用现有的ocr库，没必要自己造轮子。现有的有三个库都可以用来识别，也都是基于Tesseract的一个封装。pyocr：Tesseract 和 Cuneiform 的一个封装(wrapper)。
pytesseract：Google Tesseract OCR 的另一个封装(wrapper)。
python-tesseract - Google Tesseract OCR 的一个包装类。
1.安装tesseract2.安装PyOCR
3.安装Wand和PIL
在我们开始之前，还需要另外安装两个依赖包。一个是Wand。它是Imagemagick的Python接口。
我们需要使用它来将PDF文件转换成图像：
我们也需要PIL因为PyOCR需要使用它。你可以查看官方文档以确定如何将PIL安装到你的操作系统中。
5.开始
现在我们需要获得OCR库（在本例中，即tesseract）的句柄以及我们在PyOCR中将使用的语言：
我们使用tool.get_available_languages里的第二种语言，因为之前我曾尝试过，第二种语言就是英语。
接着，我们需要建立两个列表，用于存储我们的图像和最终的文本。
下一步，我们需要采用wand将一个PDF文件转成jpeg文件。让我们试一试吧！
注意：将PDF_FILE_NAME替换成当前路径下的一个可用的PDF文件名。
wand已经将PDF中所有的独立页面都转成了独立的二进制图像对象。我们可以遍历这个大对象，并把它们加入到req_image序列中去。
现在，我们仅仅需要在图像对象上运行OCR即可，非常简单：
现在，所有识别出的文本已经加到了final_text序列中了。你可以任意地使用它。以上就是利用Python对PDF文件做OCR识别的全部内容，希望这个教程能够帮助到你们！
