我正在嘗試使用名為 ocrmypdf 的包進行一些批處理。
這是一個可以處理 1 個 pdf 檔案的命令
ocrmypdf input.pdf output.pdf
這是一個可以處理我們運行目錄中所有pdf檔案的命令。
parallel --tag -j 2 ocrmypdf '{}' 'output/{}' ::: *.pdf
現在，我實際上想為目錄中的所有 pdf 檔案運行此命令。這個需要一個更多的引數。
ocrmypdf --sidecar txt/input.txt input.pdf out/output.pdf
我之前嘗試像這樣重寫并行命令：
parallel --tag -j 2 ocrmypdf --sidecar txt/{}.txt {}.pdf out/{}.pdf ::: *.pdf
但我收到錯誤：
ocrmypdf: error: the following arguments are required: output_pdf
有人可以幫助我了解我做錯了什么嗎？謝謝！
uj5u.com熱心網友回復：
這對我有用：
parallel --tag -j 2 ocrmypdf --sidecar txt/{.}.txt {} out/{} ::: *.pdf
如果它不適合您：
- 識別失敗的檔案
- 手動運行失敗的檔案以檢查它是否有效
- 編輯您的問題以包含指向失敗檔案的鏈接
（在運行多個 tesseract 時也要注意這個錯誤：https : //github.com/tesseract-ocr/tesseract/issues/3109#issuecomment-703845274）
uj5u.com熱心網友回復：
嘗試：
parallel --tag -j 2 ocrmypdf --sidecar txt/{.}.txt {} out/{} ::: *.pdf
大括號（即“ {}.pdf”）之后的 .pdf是無關緊要的，將導致無法定位輸入檔案（{}默認情況下，“ ”也會捕獲擴展名），對于文本一，通過在里面添加句點括號，它會自動洗掉擴展名，因此您最終會得到“... .txt”而不是“... .pdf.txt”檔案（其中“...”=與輸入匹配的相同檔案名）
如果上述方法不起作用，可能是因為檔案名中包含空格，或者其他一些字符干擾了并行決議（如檔案名、括號等中的引號字符），請嘗試使用檔案作為輸入：
故障排除解決方案 - 創建一個檔案作為輸入 parallel
我相信這應該有效。為了避免用引號大驚小怪，我首先創建了一個檔案，其中包含所有 pdf 的名稱（來自 cwd 的完整相對路徑）：
ls --color=none *.pdf | parallel -q printf '%s'\\n {} > ocrmypdf.list
*編輯：感謝@OleTange（GNU Parallel 的作者本人）看到這個答案 - Ole，也許你可以解釋為什么會這樣，但是，由于某種原因，我不能只是運行ls --color=none *.pdf > ocrmypdf.list以正確執行最終的并行命令作業。顯然ls（或者我無論如何使用的版本，我認為技術上可能是gls（？）），會自動向任何包含空格的檔案添加單引號。例如：
ls --color=none *.pdf > ocrmypdf.list 給我：
TrafficSchoolByMay2-2019_AlamedaCourts.pdf
'Tritone Substitution sheet music.pdf'
'Trump is getting increasingly desperate, sparking new fears for his health - CNNPolitics.pdf'
'UHAUL TERMS AND CONDITIONS.pdf'
'UHAUL USER GUIDE.pdf'
而ls --color=none *.pdf | parallel -q printf '%s'\\n給出：
TrafficSchoolByMay2-2019_AlamedaCourts.pdf
Tritone Substitution sheet music.pdf
Trump is getting increasingly desperate, sparking new fears for his health - CNNPolitics.pdf
UHAUL TERMS AND CONDITIONS.pdf
UHAUL USER GUIDE.pdf
這種差異似乎影響了 GNU 并行，檔案中列出的檔案名的后一種格式.list是有效的。
然后，我像這樣運行并行 ocrmypdf：
parallel -j 2 ocrmypdf --sidecar txt/{.} {} out/{} :::: ocrmypdf.list
我收到一個錯誤，我的 pdf 已經有文本，但我認為如果他們還沒有的話它會起作用。必須已經創建了 txt 和 out 目錄。注意 4::::而不是 3，因為它是從檔案中讀取的。這將默認為每行一個引數，因此，不用擔心 pdf 檔案名中是否有空格等。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/324017.html
標籤：蟒蛇-3.x 猛击 并行处理 gnu-parallel ocrmypdf