python调用(百度云、腾讯云)API接口表格识别并保存为excel

     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Python表格识别前言一、图像识别应用分析二、百度云表格识别测试三、腾讯云表格识别测试前言提示：以下是本篇文章正文，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(OpticalCharacterRecognition，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。腾讯云：https://cloud.baidu.com/#encoding:utf-8importosimportsysimportrequestsimporttimeimporttkinterastkfromtkinterimportfiledialogfromaipimportAipOcr#转载来源#https://www.cnblogs.com/mrlayfolk/p/12630128.html#代码运行环境：win10python3.7#需要aip库，使用pipinstallbaidu-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defget_file_content(filePath):withopen(filePath,'rb')asfp:returnfp.read()#文件下载函数deffile_download(url,file_path):r=requests.get(url)withopen(file_path,'wb')asf:f.write(r.content)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=0fornameinos.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'inres.keys():print('Error!error_code:',res['error_code'])sys.exit()req_id=res['result'][0]['request_id']#获取识别ID号forcountinrange(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=client.getTableRecognitionResult(req_id)#通过ID获取表格文件XLS地址print(res['result']['ret_msg'])ifres['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))num+=1print('{0}:{1}下载完成。'.format(num,xls_name))time.sleep(1)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。腾讯云：https://cloud.tencent.com/代码如下（示例）：#fromPILimportImage#importpytesseract##导入通用包importnumpyasnpimportpandasaspdimportosimportjsonimportreimportbase64importxlwingsasxw##导入腾讯AIapifromtencentcloud.commonimportcredentialfromtencentcloud.common.profile.client_profileimportClientProfilefromtencentcloud.common.profile.http_profileimportHttpProfilefromtencentcloud.common.exception.tencent_cloud_sdk_exceptionimportTencentCloudSDKExceptionfromtencentcloud.ocr.v20181119importocr_client,models#定义函数defexcelFromPictures(picture,SecretId,SecretKey):try:withopen(picture,"rb")asf: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()httpProfile.endpoint="ocr.tencentcloudapi.com"clientProfile=ClientProfile()clientProfile.httpProfile=httpProfileclient=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)#print(resp.to_json_string())exceptTencentCloudSDKExceptionaserr:print(err)##提取识别出的数据，并且生成jsonresult1=json.loads(resp.to_json_string())rowIndex=[]colIndex=[]content=[]foriteminresult1['TextDetections']:rowIndex.append(item['RowTl'])colIndex.append(item['ColTl'])content.append(item['Text'])##导出Excel##ExcelWriterrowIndex=pd.Series(rowIndex)colIndex=pd.Series(colIndex)index=rowIndex.unique()index.sort()columns=colIndex.unique()columns.sort()data=pd.DataFrame(index=index,columns=columns)foriinrange(len(rowIndex)):data.loc[rowIndex[i],colIndex[i]]=re.sub("","",content[i])writer=pd.ExcelWriter("../tables/"+re.match(".*\.",f.name).group()+"xlsx",engine='xlsxwriter')data.to_excel(writer,sheet_name='Sheet1',index=False,header=False)writer.save()#xlwings方案#wb=xw.Book()#sht=wb.sheets('Sheet1')#foriinrange(len(rowIndex)):#sht[rowIndex[i],colIndex[i]].value=re.sub("",'',content[i])#wb.save("../tables/"+re.match(".*\.",f.name).group()+"xlsx")#wb.close()ifnot('tables')inos.listdir():os.mkdir("./tables/")os.chdir("./image2/")pictures=os.listdir()forpicinpictures:excelFromPictures(pic,"SecretId","SecretKey")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！！。关注博主即可阅读全文 -全文完-