使用 ocr 上传带有 gdata docs python v3.0 的 pdf 文件答案

【问题标题】：Upload pdf file with gdata docs python v3.0 with ocr使用 ocr 上传带有 gdata docs python v3.0 的 pdf 文件
【发布时间】：2011-12-31 15:52:22
【问题描述】：

我有以下实现将 pdf 文件上传到谷歌文档（取自 gdata API 示例）：

def UploadResourceSample():
  """Upload a document, and convert to Google Docs."""
  client = CreateClient()
  doc = gdata.docs.data.Resource(type='document', title='My Sample Doc')

  # This is a convenient MS Word doc that we know exists
  path = _GetDataFilePath('test.0.doc')
  print 'Selected file at: %s' % path

  # Create a MediaSource, pointing to the file
  media = gdata.data.MediaSource()
  media.SetFileHandle(path, 'application/msword')

  # Pass the MediaSource when creating the new Resource
  doc = client.CreateResource(doc, media=media)
  print 'Created, and uploaded:', doc.title.text, doc.resource_id.text

现在我想对上传的文件进行 OCR 文本识别。但我不确定如何在 gdata docs python API 中启用 OCR 识别。所以我的问题是：有没有办法在 pdf 文件上使用 gdata python v3.0 API 启用 OCR 识别？

【问题讨论】：

标签： python pdf ocr gdata gdata-api

【解决方案1】：

我已经设法使用以下代码对我的 pdf 文档进行 OCR：

def UploadResourceSample(filename, filepath, fullpath):
  """Upload a document, and convert to Google Docs."""
  client = CreateClient()
  doc = gdata.docs.data.Resource(type='document', title=filename)

  path = fullpath
  print 'Selected file at: %s' % path

  # Create a MediaSource, pointing to the file
  media = gdata.data.MediaSource()
  media.SetFileHandle(path, 'application/pdf')

  # Pass the MediaSource when creating the new Resource
  create_uri = gdata.docs.client.RESOURCE_UPLOAD_URI + '?ocr=true&ocr-language=de'
  doc = client.CreateResource(doc, create_uri=create_uri, media=media)
  print 'Created, and uploaded:', doc.title.text, doc.resource_id.text

【讨论】：