图片转表格

 

 

import cv2

from PIL import Image

import pytesseract

import pandas as pd

# 加载图片

image_path = 'sj2.png'

img = cv2.imread(image_path)

# 转换为灰度图

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用阈值化

_, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)

# 保存处理后的图片，用于后续 OCR

processed_image_path = 'processed_image.png'

cv2.imwrite(processed_image_path, thresh)

# 使用 pytesseract 进行 OCR

text = pytesseract.image_to_string(processed_image_path)

#print(text)

# 解析文本为数据框

lines = text.split('\n')

data = []

t1=''

t2=''

for line in lines:

    fields = line.split(' ')[1:]

    if fields:

        for f in fields[::-1]:#反转遍历 值，正向遍历时，有跳过现象

        if not (('.' in f) or ('-' in f)):

            fields.remove(f)

        #补全缺失的日期

        if len(fields)==5:

            print(fields)

            t1=fields[0][0:5]

            t2=str(int(fields[0][-2:])+1)

            print(t2)

        if len(fields)<5:

           fields.insert(0,t1+'-'+t2)

 

        for i,f in enumerate(fields):#反转遍历 值，正向遍历时，有跳过现象

            if '.' in f:

                fields[i]=int(f.split('.')[0])#去掉最后的点

    data.append(fields)

# 创建数据框

df = pd.DataFrame(data[1:])

print(data[1:])

# 将数据框导出为 Excel 文件

excel_path = 'output.xlsx'

df.to_excel(excel_path, index=False, header=False)