本文将详细介绍如何使用Python将图片转为表格。大家平时在处理一些资料的时候难免会遇到图片转表格的需求。比如从PDF文档中提取表格等场景。当然，这个功能也可以通过手动复制、粘贴，或者直接手工输入完成。但是这种方式效率较低，容易出错。使用Python可以自动化完成这个任务，大大提高效率。
一、安装tesseract OCR
在开发这个功能的时候，我们需要使用OCR技术。OCR（Optical Character Recognition，光学字符识别）是把图片中的字符转换成文本的一种技术。
我们使用的是tesseract OCR，一种开源的OCR引擎。下面给出安装步骤。
!pip install pytesseract
!sudo apt install tesseract-ocr二、Python图像处理库
在Python中使用tesseract OCR处理图像需要用到Python图像处理库。Python中常用的图像处理库有：Pillow、OpenCV等。本文使用的是Pillow。
!pip install pillow三、具体实现
我们先从下面这张图片入手：
首先加载图片：
from PIL import Image
img = Image.open('image1.png')
img.show()图片加载出来后会显示在新的窗口中：
接下来使用tesseract OCR将图片转为文本。我们可以使用pytesseract模块实现。我们先将图片转为灰度图，然后再将其转为文本。
import pytesseract
text = pytesseract.image_to_string(img.convert('L'))
print(str(text))输出结果如下：
| Name | Age | Location | Job | | James | 25 | New York | Engineer | | Lily | 28 | Beijing | Teacher | | Tom | 30 | Shanghai | Doctor | | Tony | 35 | Hong Kong | Lawyer |
现在我们已经将图片转为文本了。接下来我们需要将其转为表格。我们可以将字符串分行、分列并将其输出为表格。我们使用pandas库实现。pandas是Python中处理数据的强大工具。我们可以使用pandas的DataFrame函数将字符串转为表格。
import pandas as pd
lines = str(text).replace("\r","").split("\n")
df_list = []
for line in lines:
df_list.append([x.strip() for x in line.split("|") if len(x.strip()) > 0])
df = pd.DataFrame(df_list[1:],columns=df_list[0])
print(df)输出如下：
Name Age Location Job
0 James 25 New York Engineer
1 Lily 28 Beijing Teacher
2 Tom 30 Shanghai Doctor
3 Tony 35 Hong Kong Lawyer四、总结
在本文中，我们介绍了如何使用Python将图片转为表格。从安装tesseract OCR到使用Python图像处理库，再到具体实现。希望本文可以对大家在日常工作或学习中遇到的类似问题提供一些帮助。
原创文章，作者：IDPDZ，如若转载，请注明出处：https://www.506064.com/n/375294.html
微信扫一扫 
支付宝扫一扫 