Question

我有大量（aprx 10 000）jpg文件，每个文件上都写有日期。我希望从每个jpg中提取日期，并将其添加到具有相应文件名的数据框中。

我已经阅读了该论坛及其以后的内容，并且尝试将R中的一个函数修补在一起，该函数可以执行任务，但我无法使其正常工作。我使用了一个循环来：

1）生成所选目录中的图像文件列表

2）为结果创建一个数据框，其中包含一列文件路径和一列日期（从jpg中提取）

3）循环浏览目录中的文件：调整大小，裁剪到显示日期的图像部分，对图像进行OCR，将日期写入数据框-在步骤2中创建

当我运行该函数时，这似乎崩溃了，我不确定为什么。我是R用户，但之前没有编写函数（您可能知道）

我正在使用R 3.6.0和RStudio

library(tesseract)
library(magick)
library(tidyverse)
library(gsubfn)


get_jpeg_date <- function(folder) {
  file_list <- list.files(path=folder, pattern="*.jpg", recursive = T)
  image_dates <- as.data.frame(file_list)
  image_dates $ ImageDate <- rep_len(x = NA, length.out = length(file_list))
  eng <- tesseract("eng")

  for (i in length(file_list) ) {
    ImageDate <- image_read(paste(folder,"\\",file_list, sep = ""))%>% 
  image_resize("2000") %>%
  image_crop("300x100+1800") %>%
  tesseract::ocr(engine = eng) %>%
  strapplyc("\\d+/\\d+/\\d+", simplify = TRUE)%>%
      image_dates[,i]
  }
}

x <- get_jpeg_date(folder = folder)

folder <- "C:/file_path"

x <- get_jpeg_date(folder = folder)

循环中的代码适用于单个文件，但是当我在3张jpg图像的小型测试样本上运行该函数时，没有输出。

Answer 1

请考虑将您的函数重构为在单个jpg文件上运行，然后使用sapply或map向其分配列。在R中，函数的最后一行是返回对象。由于for循环不是最后一个过程，因此函数将返回OCR和正则表达式字符串向量。

get_jpeg_date <- function(pic) {    
    eng <- tesseract("eng")

    image_read(pic) %>% 
        image_resize("2000") %>%
        image_crop("300x100+1800") %>%
        tesseract::ocr(engine = eng) %>%
        strapplyc("\\d+/\\d+/\\d+", simplify = TRUE)    
}

file_list <- list.files(path=folder, pattern="*.jpg", full.names = TRUE, recursive = TRUE)

# DATA FRAME BUILD
image_dates_df <- data.frame(img_path = file_list)
# COLUMN ASSIGNMENT
image_dates_df$img_date <- sapply(image_dates_df$img_path, get_jpeg_date)

# ALTERNATIVELY WITH dplyr::mutate() and purrr:map()
image_dates_df <- data.frame(img_path = file_list) %>%
           mutate(img_date = map(img_path, get_jpeg_date))

从目录中的jpg文件中提取日期的功能

1 个答案: