美赛爬虫
美国大学生数学建模竞赛证书爬取及信息OCR识别分析
download.py：多进程下载证书，大概用时1小时
pdf2text.py: 多进程pdf OCR信息提取，大概用时1.5小时
证书数量：27205
最终识别得到的信息条数：27161
https://raw.githubusercontent.com/personqianduixue/comap_crawler/master/all/all.txt
部分信息会识别错误，例如 i 识别成了 1
-
Notifications
You must be signed in to change notification settings - Fork 0
personqianduixue/comap_crawler
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
About
美赛爬虫，美国大学生数学建模竞赛证书爬取及信息OCR识别分析
Resources
Stars
Watchers
Forks
Releases
No releases published
Packages 0
No packages published