Golang

关注公众号 jb51net

关闭
首页 > 脚本专栏 > Golang > Go自动化提取PDF条码

Go语言实现从PDF自动化提取条码的开发全流程解析

作者：程序员爱钓鱼

在实际的业务场景中,我们常常需要从 PDF 文件中提取条码信息,本文将通过 Go 语言开发一个自动扫描目录内所有 PDF 并提取条码的工具,感兴趣的小伙伴可以了解下

在实际的业务场景中，我们常常需要从 PDF 文件中提取条码信息，例如快递面单 批次单 票据 物流标签等。手动逐个查看显然效率极低。为了解决这个痛点，我们可以通过 Go 语言开发一个 自动扫描目录内所有 PDF 并提取条码（二者均支持二维码与 Code128 条码） 的实用工具。

本文将结合一段完整的 Go 代码逐步解析其实现原理，为你构建类似工具提供参考。

一 整体功能设计

这个程序实现了以下功能

1.自动扫描当前目录及所有子目录中的 PDF 文件

2.利用 go fitz 将 PDF 渲染为图片

3.使用 gozxing 库识别条码 支持

输出文件示例

文件名,条码数量,条码内容
./docs/label1.pdf,2,1234567890; https://example.com

二 核心库介绍

本工具主要用到三个库

go fitz（PDF 渲染库）

用于将 PDF 页面转换成 image.Image，以便进一步识别条码。

gozxing（ZXing Go 语言实现）

支持各种条码格式，包括 Code128 和 QRCode，是本程序的识别核心。

encoding/csv

将识别结果输出为 CSV 文件，方便统计分析。

三 条码识别核心 decodeSingle

下面是条码识别的关键函数，它接收一张图片并尝试读取两类条码。

func decodeSingle(img image.Image) ([]string, error) {
    bitmap, err := gozxing.NewBinaryBitmapFromImage(img)
    if err != nil {
        return nil, err
    }

    var results []string

    // Code128
    reader := oned.NewCode128Reader()
    res, err := reader.Decode(bitmap, nil)
    if err == nil {
        results = append(results, res.String())
    }

    // QRCode
    qrReader := qrcode.NewQRCodeReader()
    resQR, err := qrReader.Decode(bitmap, nil)
    if err == nil {
        results = append(results, resQR.String())
    }

    return results, nil
}

设计亮点

四 PDF 批量处理 extractFromPDF

Go fitz 会将 PDF 每一页转成图片，然后逐页识别。

for i := 0; i < doc.NumPage(); i++ {
    img, err := doc.Image(i)
    if err != nil {
        continue
    }
    codes, _ := decodeSingle(img)
    allCodes = append(allCodes, codes...)
}

设计亮点

五 扫描目录下所有 PDF

程序通过 WalkDir 遍历当前目录及所有子目录，非常适合批量处理业务场景。

filepath.WalkDir(".", func(path string, d os.DirEntry, err error) error {
    if !d.IsDir() && strings.HasSuffix(strings.ToLower(d.Name()), ".pdf") {
        pdfFiles = append(pdfFiles, path)
    }
    return nil
})

六 结果写入 CSV

所有识别出的条码最终写入 CSV：

writer.Write([]string{
    pdf,
    fmt.Sprintf("%d", len(codes)),
    strings.Join(codes, "; "),
})

优势

七 完整流程示例

工具的标准运行流程如下

最终输出：

完成 → barcode_result.csv

八 常见问题与优化思路

PDF 页面图片过大导致识别慢

可添加缩放处理提升识别速度

某些条码识别率不高

部分 PDF 含多张图片

可将 fitz.Image 转换过程进一步优化，提取所有图层图片

支持更多条码格式

gozxing 还支持 Code39、EAN 等，可直接扩展

九 总结

本文介绍了一个完整的 Go 工具，实现了目录扫描 PDF 图片提取条码识别结果导出 CSV 的全自动流程。通过 go fitz 和 gozxing，我们可以快速构建企业级批量 PDF 条码识别工具。

到此这篇关于Go语言实现从PDF自动化提取条码的开发全流程解析的文章就介绍到这了,更多相关Go自动化提取PDF条码内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文