Fix the bug where Python scripts fail to execute PDF text recognition…

[guangyunms]

1. 修复Python脚本执行pdf文本识别任务失败的BUG，优化判断pdf文件的逻辑。
2. 为版面分析的quickstart文档添加案例。

[paddle-bot[bot]]

Thanks for your contribution!

[guangyunms]

原PR为# 11984，因为原PR的commit message过于混乱，而重新创建PR。

[GreatV]

https://github.com/PaddlePaddle/PaddleOCR/blob/00f0d42d9bf61d7fe5b70bc6bd87d809724d5abc/paddleocr.py#L845-L960

这里已经有相关的逻辑了，PR里添加的与现有的有什么异同

[GreatV]

版面分析的quickstart文档案例确实没有提供pdf格式的处理 demo。感觉可以把main里面相关内容提出来改一改，做一个pdf格式的demo。

[guangyunms]

https://github.com/PaddlePaddle/PaddleOCR/blob/00f0d42d9bf61d7fe5b70bc6bd87d809724d5abc/paddleocr.py#L845-L960

这里已经有相关的逻辑了，PR里添加的与现有的有什么异同

我的贡献参考了这里的代码。异同在于已有的代码是通过命令行方式运行的，而我的贡献是通过Python脚本运行的。开发者可能更习惯Python脚本的方式

[guangyunms]

版面分析的quickstart文档案例确实没有提供pdf格式的处理 demo。感觉可以把main里面相关内容提出来改一改，做一个pdf格式的demo。

确实，我目前参考quickstart文档里已有的案例写了一个demo。

[GreatV]

main里面是先把pdf文件解析成单个图片，然后再对单个图片处理。可能并不需要直接传pdf到 PPStructure engine。只需要把demo改成先解析pdf，再处理图片的形式。这样改动最小，也解决了用户的疑惑。

[guangyunms]

main里面是先把pdf文件解析成单个图片，然后再对单个图片处理。可能并不需要直接传pdf到 PPStructure engine。只需要把demo改成先解析pdf，再处理图片的形式。这样改动最小，也解决了用户的疑惑。

这样子也可以的，我觉得可以把两种方式都写上，一种是直接传pdf，因为现有文档里命令行的运行方式就是直接传入的pdf文件路径，用户看了之后可能觉得这种更符合使用的直觉。另一种是用户自己先对pdf进行处理解析成图片，再处理图片。

写好之后我再合并到之前的版面分析里吧。

您这边觉得如何？ @GreatV

[GreatV]

@guangyunms 看了一下，ocr部分是支持pdf infer的，所以这么改也是合理的。可以按照你的想法做。

[guangyunms]

1. 我测试了，不会对gif造成影响，并且从代码中得知判断gif的文件的原因是读取文件的方式与普通图片不同，至于后续处理应该都是一样的，并不会和pdf一样出现因为存在多页而出现错误。
2. 是的，目前看来判断是不是list也可以达到目标，但是根据数据类型判断感觉不太稳妥，而代码中既然有flag_pdf这个判断标准，感觉还是加上这个判断条件比较符合相关函数的定义和代码逻辑，且不会影响到后续的设计。
3. 此外，关于返回类型发生了改变，会不会对用户使用造成困扰。参考ocr部分可知，它对返回类型的处理为，img如果是list，则不做改变，如果不是list，则把他放入一个list里返回，即都处理成一个list。然而，对于PPStructure类，它的定义和ocr不同，似乎是设计为返回单个页面的结果，main函数验证了我的猜想，目前命令行的方式里调用PPStructure是让它返回单个值的，如果按照OCR的部分处理的话，势必要改变main函数，我觉得还是暂时不动比较好。因为您那边可能对后续如何编写有其它设计，我尽量不改变已有的操作方式。
4. 我添加了两个样例并合并到版面分析里。

[GreatV]

测试了一下两个demo都能正常工作。