用python将图片中的表格提取出来

原创

mob64ca12f0cf8f 2023-10-14 03:42:00 ©著作权

文章标签 Python python Image 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12f0cf8f的原创作品，请联系作者获取转载授权，否则将追究法律责任

用Python将图片中的表格提取出来

在日常工作和学习中，我们经常会遇到需要从图片中提取表格数据的情况。然而，要手动提取表格数据是一项繁琐且耗时的工作。幸运的是，我们可以借助Python中的图像处理库和表格识别工具来自动化这个过程。

本文将介绍如何使用Python将图片中的表格提取出来，并将其保存为Excel文件。首先，我们需要安装以下Python库：pytesseract、PIL和openpyxl。可以使用以下命令在终端中安装这些库：

pip install pytesseract
pip install pillow
pip install openpyxl

图像处理

首先，我们需要使用Python的图像处理库PIL（Python Imaging Library）来加载和处理图片。通过PIL库，我们可以将图像转换为灰度图像，以便更好地进行文字识别。

from PIL import Image

def load_image(image_path):
    image = Image.open(image_path)
    return image

def convert_to_grayscale(image):
    return image.convert("L")

上述代码中，load_image函数用于加载图像，convert_to_grayscale函数用于将图像转换为灰度图像。

文字识别

接下来，我们将使用Tesseract库来进行文字识别。Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别图像中的文字。

import pytesseract

def extract_text(image):
    return pytesseract.image_to_string(image)

上述代码中，extract_text函数用于从图像中提取文字。

表格提取

一旦我们从图像中提取了文字，下一步就是将提取的文字转换为表格数据。为了实现这一目标，我们需要使用Python的字符串处理和列表操作。

def extract_table_data(text):
    rows = text.strip().split("\n")
    table_data = [row.split("\t") for row in rows]
    return table_data

上述代码中，extract_table_data函数将文字分割成行，并将每一行的文本以制表符为分隔符拆分成列表。

保存为Excel文件

最后，我们将使用Python的openpyxl库将提取的表格数据保存为Excel文件。

from openpyxl import Workbook

def save_as_excel(table_data, output_path):
    workbook = Workbook()
    sheet = workbook.active

    for row_index, row_data in enumerate(table_data, start=1):
        for column_index, cell_data in enumerate(row_data, start=1):
            sheet.cell(row=row_index, column=column_index, value=cell_data)

    workbook.save(output_path)

上述代码中，save_as_excel函数创建一个Excel工作簿，并将表格数据写入工作表中。

完整代码示例

from PIL import Image
import pytesseract
from openpyxl import Workbook

def load_image(image_path):
    image = Image.open(image_path)
    return image

def convert_to_grayscale(image):
    return image.convert("L")

def extract_text(image):
    return pytesseract.image_to_string(image)

def extract_table_data(text):
    rows = text.strip().split("\n")
    table_data = [row.split("\t") for row in rows]
    return table_data

def save_as_excel(table_data, output_path):
    workbook = Workbook()
    sheet = workbook.active

    for row_index, row_data in enumerate(table_data, start=1):
        for column_index, cell_data in enumerate(row_data, start=1):
            sheet.cell(row=row_index, column=column_index, value=cell_data)

    workbook.save(output_path)

# 调用示例
image_path = "table_image.jpg"
output_path = "table_data.xlsx"

image = load_image(image_path)
grayscale_image = convert_to_grayscale(image)
text = extract_text(grayscale_image)
table_data = extract_table_data(text)
save_as_excel(table_data, output_path)