使用 pytesseract python 从扫描的 PDF 中提取表格到 csv

Question

我有不同类型的发票文件，我想在每个发票文件中找到表格。 我可以使用“pdf2jpg”方法将扫描的 pdf 转换为图像，现在我必须从每张发票中提取表格并使用 OCR pytesseract 方法写入 csv 文件。 请帮忙。

Answer 1

也许这段代码会帮助你：

import pyautogui
import pytesseract

pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'

text = pytesseract.image_to_string('c:\\screenshot\\test.png')

f = open('c:\\screenshot\\csvfile_1.csv','w')
f.write(text)
f.close()