Google App Script：如何将 PDF 转换为 DOC 以获得 PCR？

Question

我正在尝试编写一些代码，以搜索带有我已有序列号的 PDF (gmail)，将其保存在云端硬盘中，对其进行 OCR 并阅读内容。

第一步没问题，第二步用下面的代码管理，但是最后两行用DocumentApp打开文档以便getText()，不起作用：

  var serial = "123456789";
  var ret = DriveApp.searchFiles('fullText contains "' + serial + '"');
  if (ret.hasNext()) {
    var file = ret.next();
    var n_blob = Utilities.newBlob(file.getBlob().getDataAsString(), MimeType.PDF);
    n_blob.setName(serial);
    var n_file = DriveApp.createFile(n_blob);
    var rt = DocumentApp.openById(n_file.getId()); **//not working**
    var text = rt.getBody().getText(); **//not working**
  }

我尝试了许多不同的方法，包括基于 Drive.Files.insert() 的解决方案，它不再起作用了..

我很困在这里，如果有人有任何想法或建议可以帮助我吗？

谢谢

Answer 1

• 您想将 PDF 文件转换为 Google 文档文件。
  • file 的 var file = ret.next(); 始终是 PDF 文件。
• 您希望使用 Google Apps 脚本实现此目的。

如果我的理解是正确的，那么这个答案呢？请认为这只是几个可能的答案之一。

修改点：

• 很遗憾，var n_blob = Utilities.newBlob(file.getBlob().getDataAsString(), MimeType.PDF) 和 var n_file = DriveApp.createFile(n_blob) 无法创建 Google 文档。这样，就会发生错误。

模式一：

在此模式中，Drive.Files.copy 用于将 PDF 转换为 Google 文档。因为在你的问题中，我看到了Drive.Files.insert() which is not working anymore。

修改脚本：

请按如下方式修改您的脚本。在运行脚本之前，please enable Drive API at Advanced Google services.

从：

if (ret.hasNext()) {
  var file = ret.next();
  var n_blob = Utilities.newBlob(file.getBlob().getDataAsString(), MimeType.PDF);
  n_blob.setName(serial);
  var n_file = DriveApp.createFile(n_blob);
  var rt = DocumentApp.openById(n_file.getId()); **//not working**
  var text = rt.getBody().getText(); **//not working**
}

到：

if (ret.hasNext()) {
  var file = ret.next();
  if (file.getMimeType() === MimeType.PDF) {
    var fileId = Drive.Files.copy({mimeType: MimeType.GOOGLE_DOCS}, file.getId()).id;
    var rt = DocumentApp.openById(fileId);
    var text = rt.getBody().getText();
    Logger.log(text)
  }
}

模式 2：

我认为Drive.Files.insert 可能可以使用。所以在这个模式中，我建议使用Drive.Files.insert 修改脚本。你能测试一下吗？

修改脚本：

请按如下方式修改您的脚本。在运行脚本之前，please enable Drive API at Advanced Google services.

从：

if (ret.hasNext()) {
  var file = ret.next();
  var n_blob = Utilities.newBlob(file.getBlob().getDataAsString(), MimeType.PDF);
  n_blob.setName(serial);
  var n_file = DriveApp.createFile(n_blob);
  var rt = DocumentApp.openById(n_file.getId()); **//not working**
  var text = rt.getBody().getText(); **//not working**
}

到：

if (ret.hasNext()) {
  var file = ret.next();
  if (file.getMimeType() === MimeType.PDF) {
    var fileId = Drive.Files.insert({title: serial, mimeType: MimeType.GOOGLE_DOCS}, file.getBlob()).id;
    var rt = DocumentApp.openById(fileId);
    var text = rt.getBody().getText();
    Logger.log(text)
  }
}

注意：

• 很遗憾，我无法理解Drive.Files.insert() which is not working anymore。因此，如果上述修改后的脚本不起作用，请告诉我。我想考虑其他方法。
• 当您查看日志时，如果您看不到由PDF转换的Google Document的文本，则表示var file = ret.next();的所有文件都不是PDF类型的。请注意这一点。

参考资料：

• Advanced Google services
• Files: copy
• Files: insert

如果我误解了您的问题并且这不是您想要的方向，我深表歉意。