### 使用Python识别并调整PDF页面方向 为了实现PDF页面的方向检测和自动旋转功能，可以利用 `PyMuPDF`（也称为 `fitz`）库来处理 PDF 文件，并通过 OCR 工具如 `pytesseract` 来辅助判断页面的文字方向。以下是完整的解决方案： #### 安装依赖项 在开始之前，请确保安装了以下必要的库： ```bash pip install PyMuPDF pytesseract opencv-python-headless pillow ``` 还需要安装 Tesseract-OCR 引擎。对于 Windows 用户，可以从 [Tesseract GitHub Releases](https://github.com/tesseract-ocr/tesseract/releases) 下载安装程序。 --- #### 示例代码：识别并调整PDF页面方向 以下是一个基于 `PyMuPDF` 和 `pytesseract` 的示例代码，用于读取 PDF 中的每一页图像数据，调用 OCR 进行文字方向分析，并根据结果自动旋转页面。 ```python import fitz # PyMuPDF from PIL import Image, ImageOps import cv2 import numpy as np import pytesseract def rotate_pdf_pages(input_pdf_path, output_pdf_path): """ 自动检测并调整 PDF 页面方向。 参数: input_pdf_path (str): 输入 PDF 路径 output_pdf_path (str): 输出 PDF 路径 """ doc = fitz.open(input_pdf_path) rotated_doc = fitz.open() for page_num in range(len(doc)): page = doc.load_page(page_num) # 获取当前页作为图像 pix = page.get_pixmap() image_data = Image.frombytes("RGB", [pix.width, pix.height], pix.samples) # 将图像转换为灰度图以便于 OCR 处理 gray_image = ImageOps.grayscale(image_data) open_cv_image = np.array(gray_image) _, thresholded_image = cv2.threshold(open_cv_image, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 使用 pytessearact 检测文本方向 osd_result = pytesseract.image_to_osd(thresholded_image) rotation_angle = int(osd_result.split("\n")[2].split(":")[-1].strip()) % 360 # 计算实际旋转角度 if rotation_angle == 90 or rotation_angle == 270: actual_rotation = 90 - rotation_angle elif rotation_angle == 180: actual_rotation = 180 else: actual_rotation = 0 # 创建新文档并将旋转后的页面写入其中 new_page = rotated_doc.new_page(width=page.rect.width, height=page.rect.height) new_page.set_rotation(actual_rotation) new_page.show_pdf_page(new_page.bound(), doc, page.number) # 保存最终的结果 rotated_doc.save(output_pdf_path) rotated_doc.close() doc.close() # 测试函数 input_file = "example.pdf" output_file = "rotated_example.pdf" rotate_pdf_pages(input_file, output_file) print(f"已成功将 {input_file} 的所有页面按正确方向保存至 {output_file}") ``` 此代码的核心逻辑如下： 1. **加载 PDF 文档**：使用 `fitz.open()` 加载输入 PDF 并逐页遍历。 2. **获取页面图像**：通过 `get_pixmap()` 方法提取每一页的内容作为图像。 3. **预处理图像**：将彩色图像转换为灰度图，并应用二值化以提高 OCR 准确率[^1]。 4. **检测文字方向**：借助 `pytesseract.image_to_osd()` 提取出光学字符方向信息。 5. **计算旋转角度**：根据检测到的角度决定如何旋转页面。 6. **创建新 PDF**：将旋转后的页面存储到新的 PDF 文件中。 --- ### 注意事项 - 如果某些页面没有任何可识别的文字，则默认不进行任何旋转操作。 - 对于复杂布局或多语言混合的情况，可能需要进一步优化参数配置[^2]。 ---