ocr validatoin from text with ocr converted file online . with example

 first load files.

# Install google-cloud-vision and pdf2image

!pip install google-cloud-vision pdf2image PdfReader

# Install poppler-utils

!apt-get update

!apt-get install -y poppler-utils

import gc

import io

import os

from google.cloud import vision

from google.cloud.vision_v1 import types

from pdf2image import convert_from_path

from google.oauth2 import service_account

gc.collect()

!pip show google-cloud-vision pdf2image

!apt-cache policy poppler-utils

# Paths to the files

credentials_path = '/content/credentials_doc.json'

pdf_file_path = '/content/gut_1_2.pdf'

input_text_file_path = '/content/CLOUD_గుత్తా_vali1.txt'

# Verify the file existence

if os.path.exists(credentials_path):

    print("Credentials file found.")

else:

    print("Credentials file not found. Please check the path.")

if os.path.exists(pdf_file_path):

    print("PDF file found.")

else:

    print("PDF file not found. Please check the path.")

if os.path.exists(input_text_file_path):

    print("Input text file found.")

else:

    print("Input text file not found. Please check the path.")

# Authenticate using service account

credentials = service_account.Credentials.from_service_account_file(credentials_path)

client = vision.ImageAnnotatorClient(credentials=credentials)

# Convert PDF to images

images = convert_from_path(pdf_file_path, dpi=300)

# Function to perform OCR on an image

def perform_ocr(image):

    content = io.BytesIO()

    image.save(content, format='PNG')

    content = content.getvalue()

    image = types.Image(content=content)

    response = client.document_text_detection(image=image)

    return response.full_text_annotation.text

# Process each image and store the OCR text

ocr_text = []

for i, image in enumerate(images):

    text = perform_ocr(image)

    ocr_text.append(text)

# Join all OCR text into a single string

ocr_full_text = "\n".join(ocr_text)

# Read input text file

with open(input_text_file_path, 'r', encoding='utf-8') as input_file:

    input_lines = input_file.readlines()

# Split OCR text into lines

ocr_lines = ocr_full_text.split('\n')

# Validate each line

for line_number, input_line in enumerate(input_lines, start=1):

    input_line = input_line.strip()

   

    found = False

    for ocr_line in ocr_lines:

        if input_line == ocr_line.strip():

            print(f"Line {line_number} validated and found." )

          # print(f"Line {line_number} validated and found. {input_line}" )

            found = True

            break

   

    if not found:

        print(f"Line {line_number} mismatch:")

        print(f"  OCR: '{ocr_line}'")

        print(f"  Expected: '{input_line}'")

print('Validation complete.')

report

Name: google-cloud-vision Version: 3.7.4 Summary: Google Cloud Vision API client library Home-page: https://github.com/googleapis/google-cloud-python/tree/main/packages/google-cloud-vision Author: Google LLC Author-email: googleapis-packages@google.com License: Apache 2.0 Location: /usr/local/lib/python3.10/dist-packages Requires: google-api-core, google-auth, proto-plus, protobuf Required-by: --- Name: pdf2image Version: 1.17.0 Summary: A wrapper around the pdftoppm and pdftocairo command line tools to convert PDF to a PIL Image list. Home-page: https://github.com/Belval/pdf2image Author: Edouard Belval Author-email: edouard@belval.org License: MIT Location: /usr/local/lib/python3.10/dist-packages Requires: pillow Required-by: poppler-utils: Installed: 22.02.0-2ubuntu0.5 Candidate: 22.02.0-2ubuntu0.5 Version table: *** 22.02.0-2ubuntu0.5 500 500 http://archive.ubuntu.com/ubuntu jammy-updates/main amd64 Packages 500 http://security.ubuntu.com/ubuntu jammy-security/main amd64 Packages 100 /var/lib/dpkg/status 22.02.0-2 500 500 http://archive.ubuntu.com/ubuntu jammy/main amd64 Packages Credentials file found. PDF file found. Input text file found. Line 1 validated and found. Line 2 validated and found. Line 3 validated and found. Line 4 validated and found. Line 5 validated and found. Line 6 validated and found. Line 7 validated and found. Line 8 validated and found. Line 9 validated and found. Line 10 validated and found. Line 11 validated and found. Line 12 validated and found. Line 13 validated and found. Line 14 validated and found. Line 15 validated and found. Line 16 validated and found. Line 17 validated and found. Line 18 validated and found. Line 19 validated and found. Line 20 validated and found. Line 21 validated and found. Line 22 validated and found. Line 23 validated and found. Line 24 validated and found. Line 25 validated and found. Line 26 validated and found. Line 27 validated and found. Line 28 validated and found. Line 29 validated and found. Line 30 validated and found. Line 31 validated and found. Line 32 validated and found. Line 33 validated and found. Line 34 mismatch: OCR: '3' Expected: '' Line 35 mismatch: OCR: '3' Expected: 'Page 3' Line 36 validated and found. Line 37 validated and found. Line 38 validated and found. Line 39 validated and found. Line 40 validated and found. Line 41 validated and found. Line 42 mismatch: OCR: '3' Expected: 'జీవునికి తోడుగా ఆత్మకూడా ఉన్నది. abc ఒక శరీరములోనున్న ఆత్మను గురించి ఆధ్యయనము చేయడమునే' Line 43 validated and found. Line 44 validated and found. Line 45 validated and found. Line 46 validated and found. Line 47 validated and found. Line 48 validated and found. Line 49 validated and found. Line 50 validated and found. Line 51 validated and found. Line 52 validated and found. Line 53 validated and found. Line 54 validated and found. Line 55 validated and found. Line 56 validated and found. Line 57 validated and found. Line 58 validated and found. Line 59 validated and found. Line 60 validated and found. Line 61 validated and found. Line 62 validated and found. Line 63 validated and found. Line 64 validated and found. Line 65 validated and found. Line 66 validated and found. Line 67 validated and found. Line 68 validated and found. Line 69 validated and found. Line 70 validated and found. Validation complete.

----

input text file.

“గు” అనగా రహస్యము అని అర్ధము. జగతిలో అత్యంత రహస్యమూ, అన్నిటికంటే పెద్దదీ, ఎవరికీ తెలియనిదీ

ఒకే ఒకటి కలదు. అదియే దైవము. ప్రపంచములో ఇంతవరకు ఎవరికీ తెలియని రహస్యము దైవము మాత్రమే.

ఎవరికీ తెలియని రహస్యము దైవము అయినప్పుడు దైవమును గురించి ఎవరైనా ఎలా చెప్పగలరు? అని ప్రశ్న

రాగలదు. దానికి జవాబుగా ఎవరూ చెప్పలేరనియే చెప్పవచ్చును. దైవమును గురించి ఎవరూ చెప్పలేనప్పుడు, దేవుని

గురించి మనుషులకు ఎలా తెలియునని కూడా ప్రశ్న రాగలదు. దానికి జవాబుగా ఒకేమాటను చెప్పవచ్చును.

అదేమనగా! దేవున్ని గురించిన జ్ఞానమును దేవుడే తెల్పాలి తప్ప ఏ మనుషులూ చెప్పలేరని ఏకధాటిగా చెప్పవచ్చును.

అయితే ఇక్కడ ఒక చిక్కు సమస్య వచ్చి పడుతుంది. అదేమనగా! దేవుడు ఎవరికీ తెలియని వాడేకాక, ఆయనకు

రూపముగానీ, పేరుగానీ, పనిగానీ ఏమాత్రము లేవు. రూప, నామ, క్రియలులేనపుడు, ఒక క్రియ (పని) అయిన

జ్ఞానము తెలియజేయడమును దేవుడు చేయడు కదా! అంతేకాక ఆకారము, పేరు లేనివాడు ఎలా చెప్పగలడు?

ఆకారమున్నవాడు చెప్పితేగాని అర్థముకాని మనుషులకు, ఆకారము లేకుండా మాటల రూపముతో చెప్పుటకు వీలుకాదు.

ఈ విధముగా పేరులేనివాడు, ఆకారమే లేనివాడు, పనియే చేయనివాడు దైవ జ్ఞానమును తెలుపుటకు అవకాశమే

లేదు. అటువంటపుడు దేవునికి తప్ప ఎవరికి తెలియని దేవుని జ్ఞానము, మానవులకు ఎలా తెలియునని ఎవరైనా

అడుగవచ్చును. ఇటు చూస్తే నుయ్యి (బావి) అటు చూస్తే గొయ్యి (గుంత అన్నట్లున్న ఈ ప్రశ్నకు జవాబు చెప్పడము

చాలాకష్టము. ఎంత యోచించినా జవాబే దొరకని ఈ ప్రశ్నకు చివరకు దేవుడే జవాబు చెప్పాలి. ఆ విధానము

ప్రకారమే మా యోచనకు ఒక జవాబు దొరికింది. అదేమనగా! దేవుడు దేవునిగా ఎప్పటికీ తన జ్ఞానము చెప్పడు.

అయితే దేవుడు దేవునిగా కాకుండా మరొక రకముగా చెప్పుటకు అవకాశమున్నది. మరొక విధానముగా అంటే ఎలాగ

అని యోచిస్తే, భగవద్గీతలో పురుషోత్తమ ప్రాప్తి యోగమున 15వ శ్లోకమున "సర్వస్య చాహం హృది సన్ని విష్ణో మత్తః

స్స్మృతిర్ జ్ఞాన మపోహనంచ" అన్నట్లు సర్వ మానవుల హృదయముల నున్న దేవుడే అందరికీ జ్ఞప్తిని, జ్ఞానమును,

ఊహలను అందిస్తున్నాడు. (దేవుడు దేవునిగా కాకుండా ఆత్మగా ఈ పనిని చేయుచున్నాడు.) నా యోచనకు

కూడా నా శరీరములో హృదిస్థానములోనున్న ఆత్మయే ఒక ఊహను జవాబుగా అందించింది. అదేమనగా!)

దేవుని జ్ఞానము భూమిమీద అవసరమైనపుడు, దేవుని జ్ఞానము దేవునికి తప్ప ఎవరికీ తెలియదు. కావున

దేవుడు స్వయముగా చెప్పకుండా మరొక విధానమును అనుసరించి చెప్పును. ఆ విధానము ప్రకారము దేవుని

జ్ఞానమును ఏ మనిషీ చెప్పకుండా దేవుడే చెప్పినప్పటికీ, దేవుడు స్వయముగా చెప్పినట్లు కూడ ఉండదు మరియు

మనిషి స్వయముగా చెప్పినట్లు ఉండదు. కనిపించే మనిషే దేవుని జ్ఞానమును చెప్పినప్పటికీ, లోపలనుండి చెప్పినవాడు

మనిషికాదు (జీవుడు కాదు). అలాగే లోపలనుండి చెప్పినవాడు దేవుడూ కాదు. ఈ విధానము ప్రకారము ఇటు

మనిషి చెప్పినట్లుగానీ, అటు దేవుడు చెప్పినట్లుగానీ కనబడదు. ఇప్పుడు ఇటు మనిషి చెప్పక, అటు దేవుడూ చెప్పక

ఎవరు చెప్పారు అను ప్రశ్న రాగలదు కదా! దానికి సమాధానము ఇలా కలదు. దేవుని జ్ఞానము భూమిమీద ఏ మనిషికీ

తెలియదు, కావున మనిషి చెప్పాడనుటకు వీలులేదు. అలాగే దేవుడు ఏ పనినీ చేయడు, కావున మనిషిలోనుండి

దేవుడు చెప్పాడనుటకూ వీలులేదు. అందువలన దేవుడు ప్రత్యేకమైన విధానమును ముందే ఏర్పరచి దాని ప్రకారము

చెప్పగలిగాడని చెప్పవచ్చును. ఆ ప్రత్యేక విధానమును వివరించుకొని చూస్తే ఇటు మనిషీకాక, అటు దేవుడూకాక,

మనిషికీ దేవునికీ మధ్యలో ఆత్మ ఒకటున్నది. దేవుడు విశ్వములో జీవరాసులను సృష్టించినపుడే తనకూ (దేవునికి),

జీవునికీ (మనిషికీ) మధ్యలో ఆత్మను ముందే పథకము ప్రకారము సృష్టించాడు. చాలామంది జ్ఞానులకు, భక్తులకు

2

Page 3

జీవుడు దేవుడు అన్న రెండు పదములే ఎక్కువగా తెలుసుగానీ మధ్యలోనున్న ఆత్మను గురించి తెలియదు. ఆత్మ అను

పదము అనేక సందర్భములలో పలుకబడుచున్నప్పటికీ, దానిని కొందరు దయ్యముగానో లేక కొందరు దేవుడుగానో

కొందరు అజ్ఞానులు ఆత్మను దయ్యముగా చెప్పుకొంటే, కొందరు జ్ఞానులు ఆత్మను దేవునిగా

చెప్పుకొనుచుందురు. ఎవ్వరు ఎలా చెప్పుకొనినా ఆత్మ ఇటు జీవుడూ కాదు, అటు దేవుడూ కాదు.

అనుకొనుచుందురు.

ఆత్మ ఎప్పుడూ జీవునికి తోడుగా ఉండునట్లు దేవుడు సృష్టించాడు. ఒక సజీవ శరీరములో జీవుడు ఉండగా,

జీవునికి తోడుగా ఆత్మకూడా ఉన్నది.  abc ఒక శరీరములోనున్న ఆత్మను గురించి ఆధ్యయనము చేయడమునే

ఆధ్యాత్మికము అంటారు. ఇప్పుడు ఆత్మను గురించి పూర్తిగా తెలుసు కోవాలంటే పూర్తి ఆధ్యాత్మికము అవుతుంది.

ఇప్పుడు అంత అవసరము లేకుండా ప్రస్తుతానికి ఎంత అవసరమో అంతమాత్రమే ఆత్మను గురించి తెలుసుకొందాము.

ఇంతవరకు ఆత్మ ఎవరి అంచనాకు దొరకలేదనియే చెప్పవచ్చును. బాగా జ్ఞానము తెలిసిన వ్యక్తి వద్దకు పోయి ఆత్మను

గురించి అడిగితే, దానిని అంతరాత్మ అని అంటారనీ, ఆత్మ శరీరము లోపల ఉంటుందని చెప్పాడు. అతను ఆత్మను

గురించి తెలిసినట్లు చెప్పినా, ఆయన మాట పూర్తి సత్యమే అన్నట్లు అగుపించినా, వాస్తవానికి ఆత్మ శరీరములోపల

దాగియున్న అంతరాత్మకాదు. అది శరీరము మీద బాహ్యముగా ఉండునదే. జీవాత్మ (జీవుడు) మాత్రము శరీరములోపల

ఎవరికీ కనిపించక ఉండును. అందువలన అంతరాత్మ అనుమాట జీవాత్మకు వర్తించునుగానీ, ఆత్మకు వర్తించదు.

ఇట్లు ఆత్మ విషయములో ఎందరో పొరపాటుపడుచున్నారు. ఎవరు ఏమనుకొనినా జీవాత్మకు తోడుగా ఆత్మ ప్రతి

శరీరములో ఉన్నది. ప్రపంచములో ఒకవ్యక్తి ఉన్నాడు అంటే అతనిలో ఒక జీవాత్మ, ఒక ఆత్మ రెండూ జోడు ఆత్మలుగా

ఉండునని తెలియవలెను. ఇదే సూత్రము ప్రతి ప్రాణికి వర్తించును. భూమిమీద ప్రతి వ్యక్తిలోనూ, ఏ మతస్థుని

శరీరములో అయినా జీవాత్మ ఆత్మలు ఉండును. శరీరమునంతటిని పై వరకు ఆక్రమించి శరీరమును మాట్లాడించునది,

ఆట్లాడించునది, కదిలించి పని చేయించునది ఆత్మకాగా, జీవుడు శరీరములోపల కనిపించని జాగాలో ఉండి బయటనుండి

వచ్చు కష్టసుఖములను అనుభవించుచుండును. అయితే ఇంతవరకు అన్ని పనులు చేయునది ఆత్మేనని, జీవాత్మ ఏ

పనినీ చేయడములేదనీ ఎవరికీ తెలియదు. జీవుడే అన్ని పనులూ చేస్తున్నాడని అందరూ అనుకోవడము జరుగుచున్నది.

ఈ విధముగా విచిత్రముగా ఎవరికీ తెలియకుండా అన్ని పనులు చేయుచున్న ఆత్మను ప్రతి శరీరములో దేవుడు

ఉంచాడు.

దేవుడు ఆత్మకంటే పరాయిగా (వేరుగా ఉన్నాడు. కావున దేవున్ని పరమాత్మ అనవచ్చును. ఆత్మకంటే

వేరుగానున్న పరమాత్మ తన జ్ఞానమును ఆత్మచేత మనుషులకు చెప్పించునట్లు ముందే ఏర్పాటు చేసినది. మనుషులకు

అవసరమొచ్చినప్పుడు ఆత్మ దేవుని జ్ఞానమును చెప్పుచున్నది. జీవునికి దేవునికి మధ్యలోనున్న ఆత్మ, దేవుని జ్ఞానము

చెప్పడము వలన దేవుడు తన జ్ఞానమును స్వయముగా చెప్పినట్లు కాకుండాపోయినది. ఆత్మ మనిషిలో నుండి చెప్పడము

వలన పైకి మనిషి చెప్పినట్లు కనిపించినా, చెప్పే మనిషికి దేవుని జ్ఞానము ఏమాత్రము తెలియదు. మధ్యలోనున్న ఆత్మ

చెప్పడము వలన మనిషికి తెలియదనియే చెప్పవచ్చును. మనిషికి తెలియని జ్ఞానమును దేవుడు తాను స్వయముగా

చెప్పకుండా, తన అంశను ఆత్మయందు చేర్చి, మనుషులకు మనిషిచేతనే చెప్పించునట్లు చేయుచున్నాడు. ఆత్మ చేయు

ప్రతి పని మనిషే చేయుచున్నాడని ప్రపంచములో మనుషులందరూ అనుకోవడము వలన ఒక శరీరమునుండి ఆత్మ,

దైవజ్ఞానమును బోధించినా, దానిని మనిషే బోధించాడని అందరూ అనుకోవడము జరుగుచున్నది. ఈ విధముగా

దేవుడు ఒక ప్రత్యేక విధానమును అనుసరించి మనిషి చెప్పకుండా, తానూ చెప్పకుండా మనుషులకు తన జ్ఞానమును

తెలియజేయుచున్నాడు.

3