从pdf文件扫描datamatrix代码并将它们保存到csv

Question

一个任务： 扫描pdf文件中的datamatrix代码并保存到csv。

File

最终结果： 010466010514027621)ZPTsFWoUgqe,91009492ZCUruNv8/rQRlZyH/mZhkRY11D5aW4aLjpVn3DVxFIi7l9gV/pvguWxiVnpTRI0SFkNx1dPavcQYjiQ6DCSnNw==

我无法在脑海中形成这段代码的结构。

我开始研究处理 pdf 文件的库，特别是 PyPDF2，但遇到了一个问题。 PyPDF2 在文件中找不到任何内容。我试图在pdf文件的代码中找到序列但什么都看不懂。

请帮助我处理这段代码（写入 csv 除外）。 有可能从 PDF 中提取信息而不渲染到图像中，因为大量代码和代码速度起着重要作用。

如果有人知道pdf的结构，请告诉我是否可以绘制出datamatrix代码的每个像素（黑色方块）的位置，是否可以将所有这些翻译成最终形式.

如有任何信息，我将不胜感激。谢谢。

Answer 1

你可以使用我的解决方案：

import fitz, cv2, argparse
from pylibdmtx import pylibdmtx

def reader(pdf, csv):
    pdf_file = fitz.open(pdf)
    csv_file = open(csv, 'ab')
    for current_page_index in range(len(pdf_file)):
      for img_index,img in enumerate(pdf_file.get_page_images(current_page_index)):
        image = fitz.Pixmap(pdf_file, img[0])
        if image.height>50:
          image.save("1.png")
          img = cv2.imread('1.png')
          border = cv2.copyMakeBorder(img, 10, 10, 10, 10, cv2.BORDER_CONSTANT, None, value = [255, 255, 255]) 
          csv_file.write(pylibdmtx.decode(border)[0].data)
          csv_file.write(b'\n')
    csv_file.close()