使用场景
从扫描的PDF文档中提取文本，用于文档数字化处理。
将图像中的文字内容提取出来，用于内容识别和分析。
从Excel电子表格中提取数据，用于数据处理和分析。
产品特色
支持从多种文件格式中提取文本，包括PDF、图像、办公文档等。
自动OCR处理扫描文档，智能检测文本文件的编码。
采用现代Python设计，支持异步接口、类型提示和详细的错误处理。
无需外部API调用或云依赖，所有处理均在本地完成。
支持多种文档和图像格式，满足多样化的需求。
提供详细的错误信息和上下文，便于调试和问题解决。
支持Python的async/await语法，提高代码的可读性和效率。
提供丰富的异常处理机制，确保程序的稳定运行。
使用教程
1. 安装Python库：使用pip命令安装kreuzberg库。
2. 安装系统依赖：安装Pandoc和Tesseract OCR等系统级依赖。
3. 导入库并使用extract_file或extract_bytes函数提取文本。
4. 根据需要处理的文件类型，指定文件路径或字节内容。
5. 调用函数并获取提取结果，处理返回的文本内容。
