这篇教程教你用Python实现自动提取并收集信息的功能写得很实用，希望能帮到您。
一、简介 - 本功能目的在于提取收据/发票上的信息，用机器代替人的方式，提高工作效率
- 实现方式是通过cv2模块截取需要的信息，调用百度的api文字识别接口
二、代码实现1.导入需要的库，包括百度的api接口跟cv2图像截图图库 import cv2from aip import AipOcr# 读取图片，利用imshow显示图片pic = cv2.imread(r'Y:/cut/img1.png')pic = cv2.resize(pic,None,fx = 0.5, fy = 0.5)cv2.imshow('img',pic)cv2.waitKey(0)2.截取图片，获取需要的信息,包括以下信息 - 时间Time
- 商家business
- 商品goods
- 价格money
- 单号num
# 删除不必要的部分img = pic[210:500, 100:580]# 截取各部分的文字time = pic[400:430, 100:580]business = pic[370:400, 100:580]goods = pic[350:380, 100:580]money = pic[210:300, 100:580]num = pic[460:500, 100:580]# 查看截取的部分是否合适gener_name = ['time','business','goods','money','num']excel_data = {}pd_columns = ["a","b","c","d","e"] # 标题
3.定义函数将截取好的图片另存到文件夹 def shotcut_image(args): for index in gener: cv2.imwrite('image/{}.png'.format(args), img)4.调用百度api接口，实现文字识别 # 导入apiAppID = '24177719'API_Key = 'p8skmRYfHGoVGR4UU03Q5jiM'Secret_Key = 'dyM0tzSILBZu9CFqZ7IkjWwECGaws4xo'cilent = AipOcr(AppID,API_Key,Secret_Key)def get_words(img_name): with open('image/{}.png'.format(img_name), 'rb') as f: result = cilent.basicAccurate(f.read()) return result5.最后将信息转为Dataframe，利用pandas的to_exccel功能，将数据放到excel里面 def convert_to_dataframe(words): # 构建dataframe result = words['words_result'] for word in result: excel_data.setdefault('a', []).append(word['words'])# 将所有words读取后，取出语句存入exceldef convert_to_excel(): frame = DataFrame(excel_data, columns=pd_columns) # todo 表头需要额外处理，这里指定不设置表头 frame.to_excel('out.xls',index=False, header=False)
到此这篇关于教你用Python实现自动提取并收集信息的功能的文章就介绍到这了,更多相关Python自动提取收集信息功能内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python中response.text 和response.content的区别详解
Python3 如何开启自带http服务 |
