Skip to content
项目
群组
代码片段
帮助
当前项目
正在载入...
登录 / 注册
切换导航面板
J
jinchat-server
概览
概览
详情
活动
周期分析
版本库
存储库
文件
提交
分支
标签
贡献者
分支图
比较
统计图
问题
0
议题
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
CI / CD
CI / CD
流水线
作业
日程表
图表
维基
Wiki
代码片段
代码片段
成员
成员
折叠边栏
关闭边栏
活动
图像
聊天
创建新问题
作业
提交
问题看板
Open sidebar
aigc-pioneer
jinchat-server
Commits
6a273501
提交
6a273501
authored
5月 13, 2023
作者:
imClumsyPanda
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update loaders
上级
d2716add
隐藏空白字符变更
内嵌
并排
正在显示
2 个修改的文件
包含
3 行增加
和
3 行删除
+3
-3
image_loader.py
loader/image_loader.py
+1
-1
pdf_loader.py
loader/pdf_loader.py
+2
-2
没有找到文件。
loader/image_loader.py
浏览文件 @
6a273501
...
...
@@ -11,7 +11,7 @@ class UnstructuredPaddleImageLoader(UnstructuredFileLoader):
def
_get_elements
(
self
)
->
List
:
def
image_ocr_txt
(
filepath
,
dir_path
=
"tmp_files"
):
full_dir_path
=
os
.
path
.
join
(
filepath
,
dir_path
)
full_dir_path
=
os
.
path
.
join
(
os
.
path
.
dirname
(
filepath
)
,
dir_path
)
if
not
os
.
path
.
exists
(
full_dir_path
):
os
.
makedirs
(
full_dir_path
)
filename
=
os
.
path
.
split
(
filepath
)[
-
1
]
...
...
loader/pdf_loader.py
浏览文件 @
6a273501
...
...
@@ -12,14 +12,14 @@ class UnstructuredPaddlePDFLoader(UnstructuredFileLoader):
def
_get_elements
(
self
)
->
List
:
def
pdf_ocr_txt
(
filepath
,
dir_path
=
"tmp_files"
):
full_dir_path
=
os
.
path
.
join
(
filepath
,
dir_path
)
full_dir_path
=
os
.
path
.
join
(
os
.
path
.
dirname
(
filepath
)
,
dir_path
)
if
not
os
.
path
.
exists
(
full_dir_path
):
os
.
makedirs
(
full_dir_path
)
filename
=
os
.
path
.
split
(
filepath
)[
-
1
]
ocr
=
PaddleOCR
(
lang
=
"ch"
,
use_gpu
=
False
,
show_log
=
False
)
doc
=
fitz
.
open
(
filepath
)
txt_file_path
=
os
.
path
.
join
(
full_dir_path
,
"
%
s.txt"
%
(
filename
))
img_name
=
os
.
path
.
join
(
full_dir_path
,
'tmp.png'
)
img_name
=
os
.
path
.
join
(
full_dir_path
,
'
.
tmp.png'
)
with
open
(
txt_file_path
,
'w'
,
encoding
=
'utf-8'
)
as
fout
:
for
i
in
range
(
doc
.
page_count
):
...
...
编写
预览
Markdown
格式
0%
重试
或
添加新文件
添加附件
取消
您添加了
0
人
到此讨论。请谨慎行事。
请先完成此评论的编辑!
取消
请
注册
或者
登录
后发表评论