使用Python从图像中提取表格

有什么作用？

与深度学习解决方案相比，这个轻量级的包不需要训练和最小化参数化。它提供了以下功能：

• 识别图像和PDF文件中的表格，包括在表格单元级别的边界框。

• 通过支持OCR服务/工具（Tesseract、PaddleOCR、AWS Textract、Google Vision和Azure OCR目前支持）来提取表格内容。

• 处理复杂的表格结构，如合并单元格。

• 实现纠正图像的倾斜和旋转的方法。

• 提取的表格以一个简单的对象形式返回，包括一个Pandas DataFrame表示。

• 将提取的表格导出为Excel文件的选项，保留其原始结构。

如何使用它？

您可以通过pip安装该库，然后就可以使用了：

pip install img2table

在文档中识别表格只需调用一个函数：

from img2table.document import Image

# Instantiation of the image
img = Image(src="myimage.jpg")

# Table identification
img_tables = img.extract_tables()

# Result of table identification
img_tables

[ExtractedTable(title=None, bbox=(10, 8, 745, 314),shape=(6, 3)),<