python调⽤（百度云、腾讯云）API接⼝表格识别并保存为excel Python表格识别
图像识别具有较⾼的商业价值，本节主要通过python调⽤(百度云、腾讯云)API接⼝表格识别并保存为excel分析表格识别的能⼒；
提⽰：需分别申请密钥，在相应位置添加⾃⼰密钥即可；
⽂章⽬录
前⾔
提⽰：以下是本篇⽂章正⽂内容，下⾯案例可供参考
⼀、图像识别应⽤分析
背景：
1、现场每天有⼤量的⼿⼯报表需要汇总；
2、⼈员⼿动将报表录⼊电脑耗费⼤量时间；
3、在信息量⾮常⼤的时代，图⽚、PDF等格式的信息占很⼤部分，但是我们不能直接提取其中的信息；
近年来，在深度学习的加持下，OCR(Optical Character Recognition，光学字符识别)的可⽤性不断提升，⼤量⽤户借助OCR软件，从图⽚中提取⽂本信息。然⽽对于表格场景，应⽤还未普及。
步骤：
1、通过⾼拍仪或扫描仪拍照；
2、读⼊图⽚灰度化(将彩⾊图⽚变为灰⾊图⽚)；
3、图⽚⼆值化(将图⽚变为只有⿊⽩两种颜⾊)；
4、识别出表格的横线、竖线(如果图⽚不够清晰可以加⼊腐蚀、膨胀等)；
5、得到横竖线的交点，进⽽得到单元格坐标；
6、通过坐标提取单元格图像，进⽽⽤pytesseract识别⽂字；
7、将得到的信息写⼊excel；
⼆、百度云表格识别测试
通过调⽤百度云识别指定⽂件夹下所有图⽚表格，将图⽚内容输出为excel⽂本格式，并将输出⽂件保存到指定⽂件夹下。
# encoding: utf-8
import os
import sys
import requests快速排序 java
import time
import tkinter as tk
from tkinter import filedialog
from aip import AipOcr
#转载来源
#wwwblogs/mrlayfolk/p/12630128.html
#代码运⾏环境：win10 python3.7
#需要aip库，使⽤pip install baidu-aip即可
# 定义常量
APP_ID ='APP_ID'
API_KEY ='API_KEY'
SECRET_KEY ='SECRET_KEY'
# 初始化AipFace对象
client =AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 读取图⽚
def get_file_content(filePath):
with open(filePath,'rb') as fp:
ad()
#⽂件下载函数
def file_download(url, file_path):
r = (url)
with open(file_path,'wb') as f:
f.t)
if __name__ =="__main__":
root = tk.Tk()
root.withdraw()
data_dir = filedialog.askdirectory(title='请选择图⽚⽂件夹')+'/'
result_dir = filedialog.askdirectory(title='请选择输出⽂件夹')+'/'
num =0
for name in os.listdir(data_dir):
print('{0} : {1} 正在处理：'.format(num+1, name.split('.')[0]))
image =get_file_content(os.path.join(data_dir, name))
res = client.tableRecognitionAsync(image)
# print("res:", res)
if'error_code' in res.keys():
print('Error! error_code: ', res['error_code'])
req_id = res['result'][0]['request_id'] #获取识别ID号
for count in range(1,20): #OCR识别也需要⼀定时间，设定10秒内每隔1秒查询⼀次 res = TableRecognitionResult(req_id) #通过ID获取表格⽂件XLS地址print(res['result']['ret_msg'])
if res['result']['ret_msg']=='已完成':
break #云端处理完毕，成功获取表格⽂件下载地址，跳出循环
else:
time.sleep(1)
url = res['result']['result_data']
xls_name = name.split('.')[0]+'.xls'
file_download(url, os.path.join(result_dir, xls_name))java贪吃蛇源码
num +=1
print('{0} : {1} 下载完成。'.format(num, xls_name))
三、腾讯云表格识别测试
通过调⽤腾讯云识别指定⽂件夹下所有图⽚表格，将图⽚内容输出为excel⽂本格式，并将输出⽂件保存到指定⽂件夹下。代码如下（⽰例）：
# from PIL import Imagecashl是什么意思
# import pytesseract
##导⼊通⽤包
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 tencentcloudmon import credential
from tencentcloudmon.profile.client_profile import ClientProfile
from tencentcloudmon.profile.http_profile import HttpProfile
t_cloud_sdk_exception import TencentCloudSDKException
v20181119 import ocr_client, models
#定义函数
def excelFromPictures(picture,SecretId,SecretKey):
try:
with open(picture,"rb") as f:
html代码爱心树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()
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)
# _json_string())
except TencentCloudSDKException as err:
print(err)
##提取识别出的数据，并且⽣成json
result1 = json._json_string())
rowIndex =[]
colIndex =[]
content =[]
for item in result1['TextDetections']:
rowIndex.append(item['RowTl'])
colIndex.append(item['ColTl'])
content.append(item['Text'])
python入门教程网盘
##导出Excel
##ExcelWriter⽅案
rowIndex = pd.Series(rowIndex)
colIndex = pd.Series(colIndex)
index = rowIndex.unique()
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') _excel(writer,sheet_name ='Sheet1', index=False,header = False)
writer.save()
#xlwings⽅案
# wb= xw.Book()
# sht= wb.sheets('Sheet1')
# for i in range(len(rowIndex)):
# sht[rowIndex[i],colIndex[i]].value = re.sub(" ",'',content[i])
# wb.save("../tables/"+ re.match(".*\.",f.name).group()+"xlsx")
# wb.close()
if not('tables') in os.listdir():
os.mkdir("./tables/")
os.chdir("./image2/")
pictures = os.listdir()
for pic in pictures:
excelFromPictures(pic,"SecretId","SecretKey")
sidebar是什么软件print("已经完成"+ pic +"的提取.")
总结
有不对的地⽅希望⼤家可以评论留⾔，帮助⼤家不迷路！！
期待⼤家的加⼊，⼀起学习，⼀起交流！！。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论