通过 Python 有什么办法可以把一个 pdf 文件提取成一个规律的表格么？
SystemLight · SystemLight · 2020-03-03 13:48:44 +08:00 · 2420 次点击这是一个创建于 1760 天前的主题，其中的信息可能已经有所发展或是发生改变。
说明：
- pdf 中含有图片，需要将图片中的内容识别出来
- pdf 格式如下，每一个条码构成一行，每一行有四列包含图中的四个数据，有什么办法提取出来么
 |
1
gracehunter 2020-03-03 14:35:23 +08:00
pdfminer 试一下？
|
 |
2
zhzy 2020-03-03 14:44:38 +08:00 via iPhone  1
你需要的是 ocr 工具
|
 |
3
MaxTan 2020-03-03 14:57:18 +08:00
以前做过类似的，解析出来得到很多都是文本或者 html 的； 如果解析后拿到还是图片那只能做图像识别
|
 |
4
ipwx 2020-03-03 15:03:17 +08:00
先切图。你这内容这么规整，切入很容易啊。然后上 OCR 呗。
|
 |
5
NaVient 2020-03-03 15:06:41 +08:00
这种这么规整的数字和英文 用光学 OCR 很容易就识别出来了，主要的问题就是好好切图，如果一列的长度固定，PDF 大小固定 连切图都不是问题了
 |
 |
6
Kakus 2020-03-03 16:28:30 +08:00 1
最近试用了百度 AI 的文字识别，识别率挺高。有个自定义模板识别功能，选中目标区域就可以识别了。但是你这个图上没有固定内容作参照字段，可以切片后加上参照再调用模板识别。👉https://ai.baidu.com/ai-doc/OCR/nk3h7y8y8
|
 |
7
huruwo 2020-03-03 16:37:54 +08:00
先切分 再识别
|
 |
8
Vegetable 2020-03-03 16:44:03 +08:00
渲染成图片，剪裁，ocr
|
 |
9
zxcvsh 2020-03-04 09:33:44 +08:00 via iPhone
分割图片 + OCR
百度搜索“二维码识别”，有很多解决方案，你这些待识别字很清晰而且没有躁点 另外楼上说的 “百度提供的 OCR 服务”也可以看看，之前用的时候，免费解析次数挺多的 |
 |
10
SystemLight OP @Kakus 感谢，按照您说的方法已经成功转换
|
Select Language