用python进行OCR识别

原文链接:https://www.bilibili.com/opus/1036675560501149699

我担心原作者删除,所以重新拷贝了一遍

1.下载tesseract

链接:https://github.com/UB-Mannheim/tesseract/wiki

这里示例安装最新版本

点击下载tesseract安装包

2.安装tesseract

在安装时,注意安装路径,自定义路径或者默认路径都要记录下路径,后面有用

安装路径

安装会遇到一个常见的问题:

Download error Status of equ: Send Request Error. Click OK to continue

"

Download error Status of equ: Send Request Error. Click OK to continue

这是因为下载安装语言包的时候与官网链接失败了,这里暂时不用管,直接点击确定或者OK即可。

3.语言包安装

上一章提到会遇到常见的错误就是语言包安装失败,这里提供一个额外的语言包下载地址,下载好后放到指定文件夹即可。

语言包下载地址:https://github.com/tesseract-ocr/tessdata/releases/tag/4.00

这里虽然是tesseract 4.0版本的语言包,但是根据GitHub的官方说明,一样完全适用于tesseract 5.0版本,不必担心。

tesseract 4.0版本的语言包适用于tesseract 5.0版本

下载好语言包后,把语言包内所有文件放到前面记录的安装tesseract路径下tessdata文件夹

前面记录的安装tesseract路径

4.环境变量配置

我的电脑 →属性→高级系统设置→环境变量

点击我的电脑-->属性-->高级设置--->环境变量---->path下面的--->新建--->

变量名:TESSDATA_PREFIX

前面记录的安装tesseract路径

变量值:安装路径加上\tessdata

5.在pycharm中安装pytesseract,并输入代码

import pytesseract

from PIL import Image

import openpyxl

import os

设置tesseract可执行文件的路径 (需要根据实际情况调整路径)

pytesseract.pytesseract.tesseract_cmd = r'你的安装路径'

图片文件路径

image_dir = r"你的图片路径"

函数:从图片中提取文本(表格数据)

def extract_table_from_image(image_path):

打开图片

img = Image.open(image_path)

使用pytesseract进行OCR识别,获取文本

text = pytesseract.image_to_string(img, config='--psm 6') # 6表示假设图片中有结构化的表格

return text

函数:将表格数据保存到xlsx文件

def save_to_xlsx(text_data, output_path):

创建新的Excel工作簿

wb = openpyxl.Workbook()

ws = wb.active

复制代码
# 将文本数据按行写入Excel,假设每行数据以制表符或空格分隔
for row in text_data.splitlines():
    ws.append(row.split())

# 保存为xlsx文件
wb.save(output_path)

处理多个图片文件

image_file = os.path.join(image_dir, f"你的图片文件名")

复制代码
# 提取图片中的表格内容

table_text = extract_table_from_image(image_file)

复制代码
# 将提取的表格数据保存为xlsx文件

output_file = os.path.join(image_dir, f"table.xlsx")

save_to_xlsx(table_text, output_file)

print(f"表格数据已保存到 {output_file}")

即可提取图片中表格保存到xlsx格式的excel文件中

相关推荐
风逸hhh5 分钟前
python打卡day58@浙大疏锦行
开发语言·python
Q_9709563917 分钟前
java+vue+SpringBoo足球社区管理系统(程序+数据库+报告+部署教程+答辩指导)
java·开发语言·数据库
为了更好的明天而战41 分钟前
Java 中的 ArrayList 和 LinkedList 区别详解(源码级理解)
java·开发语言
烛阴1 小时前
一文搞懂 Python 闭包:让你的代码瞬间“高级”起来!
前端·python
JosieBook1 小时前
【Java编程动手学】Java中的数组与集合
java·开发语言·python
qq_589568101 小时前
element-plus按需自动导入的配置 以及icon图标不显示的问题解决
开发语言·javascript·ecmascript
lsx2024061 小时前
SQLite Select 语句详解
开发语言
Dovis(誓平步青云)2 小时前
基于探索C++特殊容器类型:容器适配器+底层实现原理
开发语言·c++·queue·适配器·stack
R-sz2 小时前
java流式计算 获取全量树形数据,非懒加载树,递归找儿
java·开发语言·windows
随意0232 小时前
Qt 事件
开发语言·qt