Нужно разработать Python-скрипт для пакетной конвертации библиотеки книг (EPUB, PDF, скриншоты) в простой текстовый формат (.txt).
Что должен делать скрипт:
— находить все файлы в указанной папке, включая вложенные папки;
— извлекать текст из PDF и EPUB;
— определять текст из сканов и выполнять OCR-распознавание;
— сохранять каждую книгу отдельным .txt-файлом;
— сохранять исходные названия файлов и структуру папок;
— корректно обрабатывать английский, испанские языки;
— вести лог обработанных файлов и ошибок;
— не прерывать пакетную обработку, если один из файлов повреждён.
На выходе нужны сам скрипт и готовый архив TXT.
При отклике просьба указать предполагаемый стек для OCR, сроки и стоимость. Также желательно описать, как будет решаться проблема смешанных PDF, где часть страниц содержит текстовый слой, а часть — только сканы.
Опубликован 17.07.2026 в 14:48