神经网络提取PDF表格工具来了，支持图片，还能白嫖谷歌GPU资源

interesting_areas=[]output = [[x1, y1, x2, y2]]for x in output:  [x1, y1, x2, y2] = bboxes_pdf(img, pdf_page, x)  bbox_camelot = [            ",".join([str(x1), str(y1), str(x2), str(y2)])        ][0]  # x1,y1,x2,y2 where (x1, y1) -> left-top and (x2, y2) -> right-bottom in PDF coordinate space        #print(bbox_camelot)  interesting_areas.append(bbox_camelot)print(interesting_areas)output_camelot = camelot.read_pdf(    filepath=pdf_file, pages=str(pg), flavor="stream", table_areas=interesting_areas)output_camelot[0].df 这样就可以将表格数据转化为Panda数据框架，方便后续处理：  图片怎么办

针对扫描图片格式的PDF表格，可以使用Ocrmypdf包来将图片格式PDF转为文本格式。

Ocrmypdf是一个python软件包，可将基于图像的pdf转换为基于文本的PDF。

安装ocrmypdf，可以通过以下命令行将其用于macOS和Linux：

brew install ocrmypdf 

通过以下命令调用：

ocrmypdf input_file.pdf output_file.pdf 

之后就可以按照上面的方法进行表格提取了。

怎么样，这款兼容图片，又能白嫖谷歌GPU的PDF表格工具对你有帮助吗？

传送门

项目地址：
https://github.com/ferrygun/PDFTableExtract

在线打标签工具：
https://www.makesense.ai/

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!