扫描 PDF 中的 QR-Code，提取后面的 URL 并检查 URL 的状态代码

我们重新启动了一个网站和数百个不同语言的 PDF 以及硬打印的 QR 代码。

重新启动后，我们遇到了问题，某些 QR 代码未链接到正确的 UR。 为了减少工作量，我的想法是加载所有 PDF，扫描 QR 码，从 pdf 中提取 URL 并发出请求，该请求是 URL 的状态代码 200（并有一个包含所有文档和链接的表格）。|| |但是我的代码找不到 QR 码。

有任何帮助修复吗？

不同的代码和应用程​​序

import os
import requests
import fitz  # PyMuPDF
import cv2
from pyzbar.pyzbar import decode
import numpy as np
import csv
import pdfplumber

# Funktion zum Herunterladen der PDFs
def download_pdf(url, save_path):
    if os.path.exists(save_path):
        print(f"{save_path} already exists, skipping download.")
        return True
    response = requests.get(url)
    if response.status_code == 200:
        with open(save_path, 'wb') as f:
            f.write(response.content)
        print(f"Downloaded {url}")
        return True
    else:
        print(f"Failed to download {url}, status code: {response.status_code}")
        return False

# Funktion zum Konvertieren von PDF-Seiten in Bilder mit PyMuPDF
def pdf_to_images(pdf_path):
    doc = fitz.open(pdf_path)
    images = []
    for page in doc:
        pix = page.get_pixmap()
        if pix.alpha:
            img = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.height, pix.width, 4)
        else:
            img = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.height, pix.width, 3)
        images.append(img)
    return images

# Funktion zum Extrahieren von QR-Codes aus einem Bild
def extract_qr_codes(image):
    qr_codes = decode(image)
    return [qr.data.decode('utf-8') for qr in qr_codes]

# Funktion zum Überprüfen der URL und Rückgabe des Statuscodes
def check_url(url):
    try:
        response = requests.head(url, allow_redirects=True)
        return response.status_code
    except requests.RequestException as e:
        print(f"Error checking URL {url}: {e}")
        return 'Error'

# Alternative Methode zur Bildextraktion mit pdfplumber
def extract_images_and_decode_qr(pdf_path):
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            im_list = page.images
            for im in im_list:
                bbox = (im['x0'], im['top'], im['x1'], im['bottom'])
                cropped_image = page.crop(bbox).to_image(resolution=300)
                image = np.array(cropped_image.original)
                image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
                qr_codes = decode(image)
                for qr in qr_codes:
                    print("Gefundener QR-Code:", qr.data.decode())

# Hauptfunktion zum Verarbeiten der PDFs
def process_pdfs(url_list):
    results = []
    for url in url_list:
        pdf_filename = os.path.basename(url)
        pdf_path = os.path.join('downloads', pdf_filename)
        
        if not os.path.exists('downloads'):
            os.makedirs('downloads')
        
        if download_pdf(url, pdf_path):
            print(f"Processing {pdf_path}...")
            images = pdf_to_images(pdf_path)
            for img in images:
                qr_urls = extract_qr_codes(img)
                for qr_url in qr_urls:
                    status_code = check_url(qr_url)
                    results.append((pdf_filename, qr_url, status_code))

            # Versuchen Sie es mit pdfplumber, wenn keine QR-URLs gefunden wurden
            if not any(result[1] for result in results if result[0] == pdf_filename):
                extract_images_and_decode_qr(pdf_path)

    if results:
        with open('results.csv', 'w', newline='') as file:
            writer = csv.writer(file)
            writer.writerow(['PDF Name', 'QR Code', 'Target URL', 'Status Code'])
            for result in results:
                writer.writerow(result)
    else:
        print("No results to write to CSV.")

# Testaufruf für URLs
if __name__ == "__main__":
    url_list = [
        "https:.....pdf"
    ]
    
    process_pdfs(url_list)

期望：QR 码后面的 URL 的状态代码，以及 QR 码检测作为基本。

Expecting: Status Code of the URL behind QR-Code, and QR-Code detection as basic.

你的代码看起来很有条理，而且思路正确！问题可能出在 QR 码的检测方法上，特别是如果 QR 码很小或者分辨率低的时候。

让我们来优化你的代码以便更可靠地检测和处理 QR 码：

import os
import requests
import fitz  # PyMuPDF
import cv2
from pyzbar.pyzbar import decode
import numpy as np
import csv
import pdfplumber

# 函数用于下载 PDF 文件
def download_pdf(url, save_path):
    # ... (代码不变) 

# 函数用于使用 PyMuPDF 将 PDF 页面转换为图像
def pdf_to_images(pdf_path):
    # ... (代码不变) 

# 函数用于从图像中提取 QR 码
def extract_qr_codes(image):
    qr_codes = decode(image)
    if qr_codes:
        return [qr.data.decode('utf-8') for qr in qr_codes]
    else:
        # 如果使用默认设置找不到 QR 码，请尝试使用更高的分辨率
        resized_image = cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
        qr_codes = decode(resized_image)
        if qr_codes:
            return [qr.data.decode('utf-8') for qr in qr_codes]
        else:
            return []

# 函数用于检查 URL 并返回状态代码
def check_url(url):
    # ... (代码不变) 

# 使用 pdfplumber 提取图像并解码 QR 码的备用方法
def extract_images_and_decode_qr(pdf_path):
    # ... (代码不变)

# 主要函数用于处理 PDF 文件
def process_pdfs(url_list):
    results = []
    for url in url_list:
        # ... (代码不变) 

            # ... (代码不变) 

            # 尝试使用 pdfplumber，如果使用 PyMuPDF 找不到 QR URL，则尝试使用 pdfplumber
            if not any(result[1] for result in results if result[0] == pdf_filename):
                print(f"Trying with pdfplumber for {pdf_filename}...")
                extract_images_and_decode_qr(pdf_path)

    # ... (代码不变) 

# 用于 URL 的测试调用
if __name__ == "__main__":
    # ... (代码不变)

改进之处：

1. 提高 QR 码检测的可靠性：
2. 如果在初始尝试中未找到 QR 码，我们现在会使用 cv2.resize 函数放大图像。这可以帮助检测较小或分辨率较低的 QR 码。
3. 增强的错误处理：
4. 如果 extract_qr_codes 函数在调整大小后仍未找到任何 QR 码，则返回一个空列表，以避免错误并继续处理。
5. 更清晰的日志记录：
6. 添加了一条消息，指示何时使用 pdfplumber 作为备用方法。

其他提示：

• QR 码质量： 确保 PDF 文件中的 QR 码清晰且分辨率足够高。低质量的 QR 码可能难以检测。
• QR 码大小： 如果 QR 码相对于页面大小而言过小，则可能需要更积极地调整图像大小或考虑在检测之前裁剪页面区域。
• 对比度： 确保 QR 码与其背景之间有足够的对比度。

通过这些改进，你的代码应该能够更可靠地从 PDF 文件中提取 QR 码并检查其 URL。如果仍然遇到问题，请提供示例 PDF 文件或图像，以便我进行进一步调查！