Google 应用程序脚本：如何将 PDF 转换为 DOC 以获得 OCR？

Question

我正在尝试编写代码来搜索带有我已有的序列号的 PDF (gmail)，将其保存在云端硬盘中，在其上进行 OCR 并阅读内容。

第一步没问题，第二步用下面代码管理，但是最后两行用DocumentApp打开文档为了getText() ，不工作：

  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**
  }

我尝试了很多不同的方法，包括基于 Drive.Files.insert() 的解决方案，它不再有效了..

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 of var file = ret.next(); 总是 PDF 文件。
• 您想使用 Google Apps 脚本实现此目的。

如果我的理解是正确的，这个答案怎么样？请将此视为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。这样就出现了错误。

模式 1：

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 Drive.Files.insert() which is not working anymore.

修改后的脚本：

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)
  }
}

模式二：

我觉得Drive.Files.insert也许可以用。所以在这个模式中，我建议修改后的脚本使用 Drive.Files.insert。你能测试一下吗？

修改后的脚本：

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：

• 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。我想想想其他的方法。
• 查看日志时，如果看不到Google个PDF转文档的文字，说明var file = ret.next();个文档都不是PDF格式。请注意这一点。

参考文献：

• 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。