comap_crawler

美赛爬虫

美国大学生数学建模竞赛证书爬取及信息OCR识别分析

download.py：多进程下载证书，大概用时1小时

pdf2text.py: 多进程pdf OCR信息提取，大概用时1.5小时

证书数量：27205

最终识别得到的信息条数：27161

https://raw.githubusercontent.com/personqianduixue/comap_crawler/master/all/all.txt

部分信息会识别错误，例如 i 识别成了 1