Conv-ZipToPDF.ps1にOCR機能を追加してみた。

#
# 画像ファイルをPDFファイルに変換する
#
# ファイル名:Conv-ZipToPDF.ps1
# 
# 引数：
# SourcePath...変換元のZIPファイルまたはZIPファイルを含むディレクトリのパスを指定
# DestinationPath...変換先のディレクトリを指定
# Recurse...-Recurseを選択すると$DestinationPathディレクトリを再帰的に検索します
#
# 変更:
# 20190220 初出
# 20190222 各種コマンドレットのオプションを-Pathから-LiteralPathに変更
# 20190518 画像をOCRで文字認識し透明文字として貼り付け


param(
    [string]$SourcePath,
    [string]$DestinationPath="h:\script\",
    [switch]$Recurse
)

$ErrorActionPreference = "stop"

[void][System.Reflection.Assembly]::LoadFrom((Join-Path $env:USERPROFILE "/Documents/Modules/pdf/itextsharp.dll"));

$tesseract_exe = 'C:\Program Files\Tesseract-OCR\tesseract.exe' # tesseract.exeのパス

$scriptPath = $MyInvocation.MyCommand.Path

# OCRの実行
function Exec-OCR
{
    param (
        [string]$in
    )

    # テンポラリファイル
    $TmpFile = New-TemporaryFile
    $out = $TmpFile.FullName

    $sp = (Get-Item -LiteralPath $scriptPath)
    # 標準出力のパス
    $log_path = Join-Path $sp.DirectoryName ($sp.BaseName + ".log")
    # 標準エラーのパス
    $err_path = Join-Path $sp.DirectoryName ($sp.BaseName + ".err")

    

    # Start-Processのオプション
    # -FilePath 実行ファイルのパス
    # -ArgumentList 実行ファイルの引数
    # -Wait コマンドの終了をまつ。
    # -PassThru 結果をオブジェクトで返す。
    # -RedirectStandardOutput 標準出力
    # -RedirectStandardError 標準エラー
    # -NoNewWindow ウィンドウを新たに開かない
    $proc = Start-Process -FilePath $tesseract_exe "${in} ${out} -l jpn" -Wait -PassThru -RedirectStandardOutput $log_path -RedirectStandardError $err_path -NoNewWindow

    $result = ""
    switch ($proc.ExitCode) {
        0 {
            # echo "成功"
            $result = Get-Content -Encoding UTF8 ($out+".txt")
        }
        default {
            # echo "失敗"
        }
    }


    # テンポラリファイルを削除
    rm $TmpFile
    rm ($out+".txt")

    return $result
}


# 画像変換
function Conv-ImageToPDF
{
    param(
        [Parameter(ValueFromPipeline=$true,Mandatory=$true)]
        [string]
        $SrcX,
        [string]
        $DstX
    );
    begin
    {
        $stream = [System.IO.FileStream]::new($DstX, [System.IO.FileMode]::Create, [System.IO.FileAccess]::Write, [System.IO.FileShare]::ReadWrite + [System.IO.FileShare]::Delete);
    }
    process
    {
        
        # OCRを実行
        $text = Exec-OCR $SrcX

        $image = [iTextSharp.text.Image]::GetInstance($SrcX)
        $pagesize = New-Object iTextSharp.text.Rectangle($image.Width, $image.Height);
        
        $doc = New-Object iTextSharp.text.Document($pagesize);
        $writer = [iTextSharp.text.pdf.PdfWriter]::GetInstance($doc, $stream);


        $doc.Open();
        $image.SetAbsolutePosition(0, 0);
        [void]$doc.Add($image);

        #############################################################################################
        # テキストを貼り付けてみる。

        # フォント
        $BaseFont = [iTextSharp.text.pdf.BaseFont]::CreateFont("C:\windows\fonts\msmincho.ttc,0",[iTextSharp.text.pdf.BaseFont]::"IDENTITY_H",$True)

        $pdfContentByte = $writer.DirectContent
        $pdfContentByte.SetFontAndSize($BaseFont, 20)
    
        # 文字を透明にする。
        $pdfContentByte.SetTextRenderingMode([iTextSharp.text.pdf.PdfContentByte]::TEXT_RENDER_MODE_INVISIBLE) 

        # 文字列を表示する領域を確保
        $columntext = New-Object iTextSharp.text.pdf.ColumnText($pdfContentByte)
        $columntext.SetSimpleColumn(0, 0, $pagesize.width, $pagesize.height)
    

        # 文字列をセット
        $paragraph = New-Object iTextSharp.text.Paragraph($text, $BaseFont)
        
        $pdfContentByte.BeginText()

        # 
        # PDFの編集ルーチンをここに記述
        # 

        $columntext.AddElement($paragraph)
        $result = $columntext.Go()


        $pdfContentByte.EndText()

        #############################################################################################
        $doc.Close();
    }
    end
    {
        $stream.Close();
    }
}

# PDF連結
function Join-PDF
{
    param(
        [Parameter(ValueFromPipeline=$true,Mandatory=$true)]
        [string]
        $SrcDir,
        [string]
        $DstPDF
    );
    begin
    {
        echo $DstPDF;
        $stream = [System.IO.FileStream]::new($DstPDF, [System.IO.FileMode]::Create, [System.IO.FileAccess]::Write, [System.IO.FileShare]::ReadWrite + [System.IO.FileShare]::Delete);
        $doc = New-Object iTextSharp.text.Document;
        $writer = New-Object iTextSharp.text.pdf.PdfCopy($doc, $stream);
        $doc.Open();
    }
    process
    {
        Get-ChildItem -LiteralPath $SrcDir -Recurse | where {
            $_.Extension -eq ".pdf"
        } | foreach {
            #echo $_.FullName;
            $reader = New-Object iTextSharp.text.pdf.PdfReader($_.FullName);
            $page = $writer.GetImportedPage($reader, 1);
            $writer.AddPage($page);
            $reader.Close();
        }
    }
    end
    {
        $writer.Close();
        $doc.Close();
        $stream.Close();
    }
}

# 重複しないファイル名を生成
function Create-UniquePath
{
    param(
        [Parameter(ValueFromPipeline=$true,Mandatory=$true)]
        [string]$BasePath
    )
    begin
    {
    }
    process
    {
        if (!(Test-Path -LiteralPath $BasePath)) {
            return $BasePath;
        }
        $f = Get-Item -LiteralPath $BasePath;
        $Result = $BasePath;
        for($i=1; (Test-Path -LiteralPath $Result); $i++) {
            $Result = $f.Directory.FullName + "\" + $f.BaseName + "(" + $i + ")" + $f.Extension;
        }
        return $Result;
    }
    end
    {
    }
}

# ZIPファイル内の画像ファイルをPDFに変換する
function Conv-ZipToPDF
{
    param(
        [Parameter(ValueFromPipeline=$true,Mandatory=$true)]
        [string]
        $Src,
        [string]
        $Dst
    )
    begin
    {
        $TmpFolder = New-TemporaryFile | %{ rm $_; mkdir $_ }
    }
    process
    {
        Expand-Archive -LiteralPath $Src -DestinationPath $TmpFolder
        Get-ChildItem -LiteralPath $TmpFolder -Recurse | where {
            $_.Extension -eq '.jpg' -Or $_.Extension -eq '.png'
        } | foreach {
            $s = $_.FullName
            $d = Join-Path $_.Directory.FullName ($_.BaseName + '.pdf')
            Conv-ImageToPDF -Src $s -Dst $d
        }
        Join-PDF -SrcDir $TmpFolder.FullName -DstPDF $Dst
    }
    end
    {
        #Get-ChildItem -LiteralPath $TmpFolder -Recurse | ForEach-Object {Remove-Item -LiteralPath $_.FullName};
        Remove-Item -LiteralPath $TmpFolder -Recurse -Force;
    }
}

if (!($SourcePath) -Or !(Test-Path -LiteralPath $SourcePath)) {
    echo ($SourcePath+"ファイルが存在しない。");
    exit;
}
$s = Get-Item -LiteralPath $SourcePath;

if (!($DestinationPath) -Or !(Test-Path -LiteralPath $DestinationPath)) {$DestinationPath = "."}

echo $s.Attributes

if ($s.Attributes -match "Directory") {
    # ディレクトリモード
    
    if ($Recurse) {
        echo "Directory Recurse Mode"

        Get-ChildItem -LiteralPath $SourcePath -Recurse | where  {
            $_.Extension -eq ".zip"
        } | foreach {
            $ss = $_.FullName
            $dd = Create-UniquePath (Join-Path $DestinationPath ($_.BaseName + '.pdf'))
            Conv-ZipToPDF -Src $ss -Dst $dd
        }
    } else {
        echo "Directory Mode"

        Get-ChildItem -LiteralPath $SourcePath | where  {
            $_.Extension -eq ".zip"
        } | foreach {
            $ss = $_.FullName
            $dd = Create-UniquePath (Join-Path $DestinationPath ($_.BaseName + '.pdf'))
            Conv-ZipToPDF -Src $ss -Dst $dd
        }
    }
} else {
    # ファイルモード
    echo "File Mode"
    $dd = Create-UniquePath (Join-Path $DestinationPath ($s.BaseName + '.pdf'))
    Conv-ZipToPDF -Src $SourcePath -Dst $dd
}