Python Wand在使用OCR转换PDF时使用Mac上的所有可用磁盘空间

Question

我相信这是我的第一个StackOverflow问题，所以请好。

我正在对每个50-200页的PDF（总共约1GB）进行OCR处理，发现我的Macbook Pro上所有可用的100GB剩余硬盘空间都已消失。根据以前的帖子，ImageMagick似乎是here所示的罪魁祸首。

我发现这些文件被称为'magick- *'并存储在/ private/var/tmp中。只有23 PDF，它创造了总计181GB的3576个文件。

如何在不再需要代码后立即删除这些文件？提前感谢您提出任何解决此问题的建议。

下面是代码：

import io, os 
import json 
import unicodedata 
from PIL import Image as PI 
import pyocr 
import pyocr.builders 
from wand.image import Image 
from tqdm import tqdm 

# Where you want to save the PDFs 
destination_folder = 'contract_data/Contracts_Backlog/' 


pdfs = [unicodedata.normalize('NFKC',f.decode('utf8')) for f in os.listdir(destination_folder) if f.lower().endswith('.pdf')] 
txt_files = [unicodedata.normalize('NFKC',f.decode('utf8')) for f in os.listdir(destination_folder) if f.lower().endswith('.txt')] 


### Perform OCR on PDFs 
def ocr_pdf_to_text(filename): 
    tool = pyocr.get_available_tools()[0] 
    lang = 'spa' 
    req_image = [] 
    final_text = [] 
    image_pdf = Image(filename=filename, resolution=300) 
    image_jpeg = image_pdf.convert('jpeg') 
    for img in image_jpeg.sequence: 
     img_page = Image(image=img) 
     req_image.append(img_page.make_blob('jpeg')) 

    for img in req_image: 
     txt = tool.image_to_string(
      PI.open(io.BytesIO(img)), 
      lang=lang, 
      builder=pyocr.builders.TextBuilder() 
     ) 
     final_text.append(txt) 
    return final_text 

for filename in tqdm(pdfs): 
    txt_file = filename[:-3] +'txt' 
    txt_filename = destination_folder + txt_file 
    if not txt_file in txt_files: 
     print 'Converting ' + filename 
     try: 
      ocr_txt = ocr_pdf_to_text(destination_folder + filename) 
      with open(txt_filename,'w') as f: 
       for i in range(len(ocr_txt)): 
        f.write(json.dumps({i:ocr_txt[i].encode('utf8')})) 
        f.write('\n') 
      f.close() 
     except: 
      print "Could not OCR " + filename 

Answer 1

处理这个的哈克的方式是主回路中增加一个os.remove（）语句创建后删除.tmp文件。

tempdir = '/private/var/tmp/' 
files = os.listdir(tempdir) 
    for file in files: 
     if "magick" in file: 
      os.remove(os.path.join(tempdir,file)) 

Answer 2

Image应作为一个上下文管理器，因为魔杖确定的时序来配置资源，包括临时文件，内存缓冲区，等等。 with块帮助魔杖知道这些Image对象仍然需要时，当他们现在是不必要的边界。请参阅official docs。