我想从OCR数据中提取表信息

Question

我想从OCR数据中提取表信息，我有原始文本，也就是文本。 我尝试了pytesseract，但找不到实际的实现。

这是一张图片：https://drive.google.com/open?id=1CGJwbmf5snoXvwlQAsRAxIRRixbT_Q8l

我尝试过：https://github.com/WZBSocialScienceCenter/pdftabextract

这种方法根本不适合我。

我希望从OCR数据中获得该表格的表格结构，以便进行进一步处理。

Answer 1

  

pdftabextract不是OCR。它需要使用OCR扫描的页面   信息，即同时包含已扫描内容的“三明治PDF”   图片和识别的文字。您需要像tesseract或   用于OCR的ABBYY Finereader。

请尝试tesseract，它的实现相对容易。

Answer 2

  

我想从OCR数据中提取表信息，

尝试免费的Python OCR API。它有一个parsing data from tables的开关isTable。它逐行返回表数据。但是它不会在列之间不放置分隔符，这是您需要根据对表内容的了解自行完成的事情。