应用场景
某员工收到包含几百页的pdf文件，这几百页pdf文件格式都是一样的。员工需要获取其中的一个送货单编号，根据这个送货单号匹配送货项目，送货数量等等，且无法获取excel版本。
样本生成
为了不泄露公司机密，下面将使用百度公开的一个送货单模板生成pdf，来实现送货编号的获取。
假设要获取订单编号，且文件格式为pdf，测试版本共有4页，格式完全一样，但是编号不相同。
首先使用excel自带的pdf打印机生成pdf样本。
导出图片
- 打开pdf识别工具，选择文件，选择导出并切割
- 之后会生成一个“导出路径”文件夹，里面有导出的图片和切割的图片。
- 打开切割后文件夹，发现并没有订单编号的图片，这是因为需要你手动获取切割位置，默认的切割位置是我帮女朋友做他们公司坑爹的pdf文件定位的，所以你在使用的时候需要手动定位
- 下面将使用网页版ps来获取切割位置
获取切割位置
- 打开网页版ps：https://www.uupoop.com/
- 上传刚刚导出的图片
- 使用矩形框工具，然后拉到“项目编号”所在单元格的左上角，记录一下长宽
- 左上角的点，高508,宽198
- 然后测试“项目编号”右下角的点所在位置
- 右下角的点，长715，宽239。记录下这两个坐标。
再次切割
- 和之前一样，重新打开工具，填入点(508,198)，(715, 239)
- 查看切割效果，目测还不错，可以作为下面的识别材料了。
获取百度AI文字识别api
- 搜索“百度AI开放平台”，点击控制台，注册登录
- 点击文字识别，选择创建应用，随便输入应用名和用途
- 点击管理应用，记录你的api相关信息。
- 填入pdf识别工具自动生成的api.json文件（可以右键，打开方式，记事本打开，推荐使用Notepad++）
- 填写好后保存，准备工作完成。
识别片段
- 点击“开始识别”即会自动识别刚刚切割生成的图片文件。
- 可以选择“普通识别”， “普通识别高精度版”， “识别数字”， “识别票据”
- 本次使用普通识别高精度版测试识别效果。
- 识别效果
目前准确率100%，没有出现错误。
软件及模板分享
关注并私信“pdf片段识别”即可获取相关文件
python源码开源地址：https://github.com/Tlntin/pdf_tools
