对图片中的表格进行识别，并转换成excel文件（python、小软件）（批量） |
您所在的位置：网站首页 › 将文字转化成表格 › 对图片中的表格进行识别，并转换成excel文件（python、小软件）（批量） |
对图片中的表格进行识别，并转换成excel文件（python、小软件）（批量）
|
文章目录
一、python 调用腾讯接口二、python+百度API识别图片中表格并保存到excel三、小马识图识别工具
一、python 调用腾讯接口
识别效果就比较拉胯，这个SecretId 和 SecretKey 需要你自己去申请，不难，去腾讯云捣鼓吧。 https://www.cnblogs.com/littlefatsheep/p/11024505.html import numpy as np import pandas as pd import os import json import re import base64 import xlwings as xw ##导入腾讯AI api from tencentcloud.common import credential from tencentcloud.common.profile.client_profile import ClientProfile from tencentcloud.common.profile.http_profile import HttpProfile from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException from tencentcloud.ocr.v20181119 import ocr_client, models #定义函数 def excelFromPictures(picture,SecretId,SecretKey): try: with open(picture,"rb") as f: img_data = f.read() img_base64 = base64.b64encode(img_data) cred = credential.Credential(SecretId, SecretKey) #ID和Secret从腾讯云申请 httpProfile = HttpProfile() httpProfile.endpoint = "ocr.tencentcloudapi.com" clientProfile = ClientProfile() clientProfile.httpProfile = httpProfile client = ocr_client.OcrClient(cred, "ap-shanghai", clientProfile) req = models.TableOCRRequest() params = '{"ImageBase64":"' + str(img_base64, 'utf-8') + '"}' req.from_json_string(params) resp = client.TableOCR(req) # print(resp.to_json_string()) except TencentCloudSDKException as err: print(err) ##提取识别出的数据，并且生成json result1 = json.loads(resp.to_json_string()) rowIndex = [] colIndex = [] content = [] for item in result1['TextDetections']: rowIndex.append(item['RowTl']) colIndex.append(item['ColTl']) content.append(item['Text']) ##导出Excel ##ExcelWriter方案 rowIndex = pd.Series(rowIndex) colIndex = pd.Series(colIndex) index = rowIndex.unique() index.sort() columns = colIndex.unique() columns.sort() data = pd.DataFrame(index = index, columns = columns) for i in range(len(rowIndex)): data.loc[rowIndex[i],colIndex[i]] = re.sub(" ","",content[i]) writer = pd.ExcelWriter("../tables/" + re.match(".*\.",f.name).group() + "xlsx", engine='xlsxwriter') data.to_excel(writer,sheet_name = 'Sheet1', index=False,header = False) writer.save() # 获取文件夹中的图片名 path = 'C:\\Users\\ABC\\Desktop\\tables'#指定文件所在路径 filetype ='.jpg'#指定文件类型 def get_filename(path,filetype): name =[] final_name = [] for root,dirs,files in os.walk(path): for i in files: if filetype in i: name.append(i.replace(filetype,'')) final_name = [item + filetype for item in name] return final_name pictures = get_filename(path,filetype) SecretId = 'xxxxxxxxxxx' SecretKey = 'xxxxxxxxxxx' for pic in pictures: excelFromPictures(pic,SecretId,SecretKey) print("已经完成" + pic + "的提取.") 二、python+百度API识别图片中表格并保存到excel调用百度的表格识别接口，效果就还真不错，虽然有一些小错误，但整体是可以的，只要图片中的表格标准，就基本都能精准识别出来。 同样的，需要去百度申请 APP_ID=‘xxxx’ 、API_KEY=‘xxxx’、 SECRET_KEY=‘xxxxx’ python+百度API识别图片中表格并保存到excel import pandas as pd import numpy as np import re # 图片识别 from aip import AipOcr # 时间模块 import time # 网页获取 import requests # 操作系统接口模块 import os image_path='' # 获取文件夹中所有图片 def get_image(): images=[] # 存储文件夹内所有文件的路径（包括子目录内的文件） for root, dirs, files in os.walk(image_path): path = [os.path.join(root, name) for name in files] images.extend(path) return images def Image_Excel(APP_ID,API_KEY,SECRET_KEY): # 调用百度AI接口 client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 循环遍历文件家中图片 images=get_image() for image in images: # 以二进制方式打开图片 img_open=open(image,'rb') # 读取图片 img_read = img_open.read() # 调用表格识别模块识别图片 table = client.tableRecognitionAsync(img_read) # 获取请求ID request_id = table['result'][0]['request_id'] #获取表格处理结果 result = client.getTableRecognitionResult(request_id) # 处理状态是“已完成”，获取下载地址 while result['result']['ret_msg'] != '已完成': time.sleep(2) # 暂停2秒再刷新 result = client.getTableRecognitionResult(request_id) download_url = result['result']['result_data'] print(download_url) # 获取表格数据 excel_data = requests.get(download_url) # 根据图片名字命名表格名称 xlsx_name = image.split(".")[0] + ".xls" # 新建excel文件 xlsx = open(xlsx_name, 'wb') # 将数据写入excel文件并保存 xlsx.write(excel_data.content) if __name__=='__main__': image_path ='C:\\Users\\ABC\\Desktop\\市场行情截图\\市场行情截图\\' APP_ID='xxxx' API_KEY='xxxx' SECRET_KEY='xxxxx' Image_Excel(APP_ID,API_KEY,SECRET_KEY)配合python，对识别的结果在处理一遍 比如我这里，是针对我的图片识别结果，对一些错误进行处理 # --------------------------------------------------------------------2021年 path = 'C:\\Users\\ABC\\Desktop\\截图\\截图\\2021\\'#指定文件所在路径 filetype ='.xls'#指定文件类型 def get_filename(path,filetype): name =[] final_name = [] for root,dirs,files in os.walk(path): for i in files: if filetype in i: name.append(i.replace(filetype,'')) final_name = [item +'.xls' for item in name] return final_name lli = get_filename(path,filetype) writer = pd.ExcelWriter('result.xlsx') for k in lli: print('开始',k) df = pd.read_excel(path+k) # 删除最后行（最后一行数据不完整） df.drop([df.shape[0]-1],inplace=True) # 把 if df.iloc[0,3]=='': df.drop([0,1],inplace=True) df.index = range(df.shape[0]) df_yao = df.iloc[4:9,:] # 删除最后的空列 for i in df_yao.columns[::-1]: if df_yao[i].isnull().sum()==df_yao.shape[0]: df_yao.drop([df_yao.columns[-1]],axis=1,inplace=True) else: break # 定义列名 if df_yao.iloc[0,0]=='银票': df_yao.columns = ['票据类型','票据介质','期限品种','最新利率','加权平均利率','最高利率','最低利率','开盘利率','收盘利率','前收盘利率','前加权平均利率','成交量'] if df_yao.iloc[0,0]=='电票': df_yao.columns = ['票据介质','期限品种','最新利率','加权平均利率','最高利率','最低利率','开盘利率','收盘利率','前收盘利率','前加权平均利率','成交量'] # 处理 票据类型 错误（只处理银票、电票） if '票据类型' in df_yao.columns: if '银票电票' in df_yao['票据类型'].unique().tolist(): df_yao['票据介质'][df_yao['票据类型']=='银票电票'] = '电票' df_yao['票据类型'][df_yao['票据类型']=='银票电票'] = '银票' # 处理 票据介质 错误 df_yao['期限品种'][~df_yao['票据介质'].isin(['纸票','电票'])]=df_yao[~df_yao['票据介质'].isin(['纸票','电票'])]['票据介质'].apply(lambda x:re.sub('[\u4e00-\u9fa5]', '', x)) df_yao['票据介质'][~df_yao['票据介质'].isin(['纸票','电票'])]=df_yao[~df_yao['票据介质'].isin(['纸票','电票'])]['票据介质'].str.slice(0, 2) if len(df_yao['票据介质'].unique().tolist())==1: df_yao.to_excel(excel_writer=writer,sheet_name=k.replace('.xls',''),index=False) print('完成',k) writer.save() writer.close() 三、小马识图识别工具在网上找一个小软件，可以批量的识别图片中的表格，并转换为想要的格式，但是效率不高，我试过100张图片，大概需要15分钟。其识别效果还行，但还是有一些会是错，比如表头容易混在一起，我看了一下，其实现猜测也是调用的百度接口。 下载地址： https://www.onlinedown.net/soft/1229664.htm 识别出来以后，可以再用Python进行处理 |
【本文地址】
今日新闻 |
推荐新闻 |