教你用Python實現自動提取並收集信息的功能

Posted on by

一、簡介

  • 本功能目的在於提取收據/發票上的信息，用機器代替人的方式，提高工作效率
  • 實現方式是通過cv2模塊截取需要的信息，調用百度的api文字識別接口

在這裡插入圖片描述

二、代碼實現

1.導入需要的庫，包括百度的api接口跟cv2圖像截圖圖庫

import cv2
from aip import AipOcr

# 讀取圖片，利用imshow顯示圖片
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.截取圖片，獲取需要的信息,包括以下信息

  • 時間Time
  • 商傢business
  • 商品goods
  • 價格money
  • 單號num
# 刪除不必要的部分
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適

gener_name = ['time','business','goods','money','num']
excel_data = {}
pd_columns = ["a","b","c","d","e"] # 標題

在這裡插入圖片描述
在這裡插入圖片描述
在這裡插入圖片描述
在這裡插入圖片描述

3.定義函數將截取好的圖片另存到文件夾

def shotcut_image(args):
    for index in gener:
        cv2.imwrite('image/{}.png'.format(args), img)

4.調用百度api接口，實現文字識別

# 導入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.最後將信息轉為Dataframe，利用pandas的to_exccel功能，將數據放到excel裡面

def convert_to_dataframe(words):
    # 構建dataframe
    result = words['words_result']
    for word in result:
        excel_data.setdefault('a', []).append(word['words'])

# 將所有words讀取後，取出語句存入excel
def convert_to_excel():
    frame = DataFrame(excel_data, columns=pd_columns)
    # todo 表頭需要額外處理，這裡指定不設置表頭
    frame.to_excel('out.xls',index=False, header=False)

在這裡插入圖片描述

到此這篇關於教你用Python實現自動提取並收集信息的功能的文章就介紹到這瞭,更多相關Python自動提取收集信息功能內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：