fileparse

文件通用解析服务

说明

文件格式	是否支持	实现方法
图片（jpg、png、bmp、gif）	√	paddleocr
pdf	√	pdfplumber
docx	√	python-docx
doc	√	windows 使用 pypiwin32 转 docx linux 使用 antiword 直接解析, 如何安装 antiword

安装

pip install paddlepaddle==2.0.0rc1 -i https://mirror.baidu.com/pypi/simple
pip install paddleocr -i https://mirror.baidu.com/pypi/simple
pip install pdfplumber
pip install python-docx
pip install flask

window 环境需要安装

pip install pywin32

使用（客户端）

直接调用解析函数即可

from utils.parse import parse

test_list = [
    'test.bmp',
    'https://gitee.com/TurboWay/blogimg/raw/master/img/test.jpg',
    'https://gitee.com/TurboWay/blogimg/raw/master/img/test.png',
    'https://gitee.com/TurboWay/blogimg/raw/master/img/test.doc',
    'https://gitee.com/TurboWay/blogimg/raw/master/img/test.docx',
    'https://gitee.com/TurboWay/blogimg/raw/master/img/test.pdf'
]

for path in test_list:
    issuccess, content = parse(path)
    print(path, issuccess, content)

使用（服务端）

运行 server.py，就可以直接使用文件解析 api

请求URL：

• http://127.0.0.1:9527/openapi/parse

请求方式：

• POST

参数：

参数名	必选	类型	说明
fileData	是	string	文件内容的base64字符串
fileType	是	string	文件类型
t	是	int	当前时间戳
token	是	string	token。生成方式：md5(key+当前时间戳)，默认 key 为 fileparse

返回示例

{
    'errorMessage': '', 
    'result': '首先请您选择您的版本\n如果您的计算机没有NVIDIAGPU，请安装CPU版的PaddlePaddle\n如果您的计算机有NVIDIA@GPU，请确保满足以下条件并且安装GPU版PaddlePaddlle\nOCUDA工具包9.0/10.0配合CuDNNv7.3+\n·GPU运算能力超过1.0的硬件设备\n您可参考NVIDIA官方文档了解CUDA和CUDNN的安装流程和配置方法，请见CUDA，cuDNN', 
    'success': True
}

返回参数说明

参数名	类型	说明
success	bool	调用成功标识，true:成功 false:失败
errorMessage	string	错误信息
result	string	识别结果