教你用Python实现自动提取并收集信息的功能
目录
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 cv2
from 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api
AppID = '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 result
5.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excel
def 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
最后更新于 2021-11-25 09:41:20 并被添加「python 自动提取 收集信息 」标签,已有 位童鞋阅读过。
本站使用「署名 4.0 国际」创作共享协议,可自由转载、引用,但需署名作者且注明文章出处
相关文章
- python 实现图片裁剪小工具
- HTML5之多线程(Web Worker)
- e洁家用背心/平口/收口式垃圾袋学生卫生间宿舍用一次性塑料袋s
- 手套冬天女韩版ins可爱猫爪加绒加厚保暖骑车秋冬季全指棉手套男
- Win10 64位正式版系统安装方法全过程图解(U大师)