如何使用Python从手写的扫描PDF中提取数据？

Question

因此，我有这些PDF，它们是结构化反馈表单的扫描副本。表格具有这些复选框和用于手写笔记的空格。我正在尝试从这些PDF中提取数据并将其保存到非结构化CSV文件中。 现在使用pytesseract我可以抓取打印的文本（首先将PDF转换为图像），但是我无法捕获手写内容。有没有做的事情。 随函附上样品表以供参考。

！https://imgur.com/a/2FYqWJf

Answer 1

PyTesseract是一个OCR程序。尚未经过培训或设计以识别手写。因此，您有两种选择：1）重新训练手写体（虽然这将非常耗时且复杂）2）使用实际上旨在识别手写体而不是打印文本的另一个库：https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/quickstarts/python-hand-text