使用 pytesseract python 從掃描的 PDF 中提取表格到 csv

Question

我有不同類型的發票文件，我想在每個發票文件中找到表格。 我可以使用“pdf2jpg”方法將掃描的 pdf 轉換為圖像，現在我必須從每張發票中提取表格並使用 OCR pytesseract 方法寫入 csv 文件。 請幫忙。

Answer 1

也許這段代碼會幫助你：

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()