Python自动化办公:批量识别图片文字并存为Excel |
您所在的位置:网站首页 › python批量提取图片文字并合并 › Python自动化办公:批量识别图片文字并存为Excel |
来源:菜J学Python 一、背景也许你还记得,前不久复旦大学一博士生写了130行Python代码,批量识别核酸截图内容的故事。当时还被人民日报公众号报道出来,夸赞用所学贡献青春力量! 其实,批量文字识别(OCR)是Python办公自动化的基本操作,应用在我们工作生活中的方方面面,比如车牌识别、证件识别、银行卡识别、票据识别等等。 Python中OCR第三方库非常多,比如easyocr、PaddleOCR、cnocr等等。当然,直接调用百度API也是可以的,不过超过一定限额后要收费,因此本文主要以开源免费的easyocr来进行介绍。 二、需求本文以证件识别为例,我网上找了3张虚拟身份证来实验: 运用easyocr进行识别并保存为Excel,效果如下: 在Python中使用 easyocr非常简单,只要使用pip命令安装easyocr 即可(建议使用清华源,否则安装会比较慢)。 pip install easyocr不过 easyocr 的深度学习算法依赖于另一个著名的第三方模块 pytorch,图形处理部分则会用到 opencv、Pillow 等,所以还需要确保自己电脑上已经安装这些基础模块。 2.识别一张图片1.easyocr识别图片代码非常简洁,只需要创建一个easyocr.Reader类对象,指定以下两个常用参数: 需要识别的文字属于哪几种语言 是否启用GPU显卡加速 2.调用Reader对象的readtext方法,将图片中所有文字读入一个列表并返回。 ''' 公众号:菜J学Python 作者:J哥 ''' # 导入模块 import easyocr # 图片路径 image = './id_card/1.jpg' # 创建ocr的reader对象,识别中英文 ocr = easyocr.Reader(['ch_sim', 'en'],gpu=False) # 识别图片文字 content = ocr.readtext(image) print(content)识别结果如下: [([[39, 31], [207, 31], [207, 67], [39, 67]], '姓 名 韦小宝', 0.8973890994570185), ([[40, 82], [159, 82], [159, 119], [40, 119]], '性 别 男', 0.9799311480828728), ([[178, 86], [272, 86], [272, 116], [178, 116]], '民 族汉', 0.5456928014755249), ([[40, 131], [100, 131], [100, 161], [40, 161]], '出 生', 0.5362269878387451), ([[114, 134], [240, 134], [240, 162], [114, 162]], '1654 年12', 0.6952526392609933), ([[266, 134], [322, 134], [322, 162], [266, 162]], '20日', 0.31329770168285426), ([[42, 181], [395, 181], [395, 213], [42, 213]], '住 址 北京市东城区景山前街4号', 0.48138251996753667), ([[112, 222], [256, 222], [256, 254], [112, 254]], '紫禁城敬事房', 0.9732440311960702), ([[44, 307], [195, 307], [195, 337], [44, 337]], '公民身份证号码', 0.612808391503521), ([[212, 308], [526, 308], [526, 334], [212, 334]], '112044165412202438', 0.7003081027071493)]readtext 返回的列表中,每个元素都是一个元组,内含三个信息:位置、文字、置信度。我们可以在调用readtext时指定一个参数 detail=0,从而只返回文字内容。于是修改后代码和效果如下: import easyocr image = './id_card/1.jpg' ocr = easyocr.Reader(['ch_sim', 'en'],gpu=False) content = ocr.readtext(image,detail=0) print(content) ['姓 名 韦小宝', '性 别 男', '民 族汉', '出 生', '1654 年12', '20日', '住 址 北京市东城区景山前街4号', '紫禁城敬事房', '公民身份证号码', '112044165412202438'] 3.批量识别图片批量识别图片无非就是遍历图片文件夹,这里用到了os.listdir()方法以返回文件列表。然后用ocr.readtext()去识别每一张图片文字内容,接着通过字符串切片来获取姓名、性别、民族、出生、住址和身份证号等关键信息,最后统一将这些信息存入列表data中。 ''' 公众号:菜J学Python 作者:J哥 ''' import easyocr import os # 指明所有图片所在的文件夹 images = './id_card' # 创建ocr的reader对象,识别中英文 ocr = easyocr.Reader(['ch_sim', 'en']) # 识别图片文字 content = ocr.readtext(images,detail=0) # 遍历所有图片并识别文字,切片提取有效信息 data = [] for image in os.listdir(images): content = ocr.readtext(f'{images}/{image}', detail=0) print(f"正在识别:{image}") name = content[0][4:] gender = content[1][-1] nation = content[2][-1] birth = content[-5] if "月" not in birth: birth = content[-6] + "月" + content[-5] if "日" not in birth: birth = birth[:-1] + "日" address = content[-4][4:] + content[-3] number = content[-1] print(f"完成识别:{image}") print("-" * 50) data.append([name, gender, nation, birth, address, number]) 4.保存数据图片文字识别之后,建议通过pandas输出为Excel,方便简洁。 ''' 公众号:菜J学Python 作者:J哥 ''' import pandas as pd # 保存识别结果至Excel df = pd.DataFrame(data, columns=["姓名", "性别", "民族", "出生", "住址", "身份证号"]) print(f"识别结果如下:") print(df) df.to_excel("识别结果.xlsx", index=False) -------- End -------- 精选资料回复关键词,获取对应的资料: 关键词资料名称600《Python知识手册》md《Markdown速查表》time《Python时间使用指南》str《Python字符串速查表》pip《Python:Pip速查表》style《Pandas表格样式配置指南》mat《Matplotlib入门100个案例》px《Plotly Express可视化指南》精选内容数据科学: VS Code 中 Python配置使用指南 | 财经工具 Tushare | Matplotlib 最有价值的 50 个图表 书籍阅读: 如何阅读一本书 | 巴菲特之道 | 价值 | 原则 | 投资最重要的事 | 戴维斯王朝 | 客户的游艇在哪里 | 刻意练习 | 林肯传 | 金字塔原理 投资小结: 2021Q4 | 2021Q3 | 2021Q2 | 2021Q1 | 2020Q4 精选视频可视化: Plotly Express 财经: Plotly在投资领域的应用 | 绘制K线图表 排序算法: 汇总 | 冒泡排序 | 选择排序 | 快速排序 | 归并排序 | 堆排序 | 插入排序 | 希尔排序 | 计数排序 | 桶排序 | 基数排序 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |