Python如何實現自動提取并收集信息

這篇文章主要介紹了Python如何實現自動提取并收集信息的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python如何實現自動提取并收集信息文章都會有所收獲，下面我們一起來看看吧。

一、簡介

• 本功能目的在于提取收據/發票上的信息，用機器代替人的方式，提高工作效率

• 實現方式是通過cv2模塊截取需要的信息，調用百度的api文字識別接口

二、代碼實現

1.導入需要的庫，包括百度的api接口跟cv2圖像截圖圖庫

import cv2
from aip import AipOcr

# 讀取圖片，利用imshow顯示圖片
pic = cv2.imread(r'Y:cutimg1.png')
pic = cv2.resize(pic,None,fx = 0.5, fy = 0.5)
cv2.imshow('img',pic)
cv2.waitKey(0)

2.截取圖片，獲取需要的信息,包括以下信息

• 時間Time

• 商家business

• 商品goods

• 價格money

• 單號num

# 刪除不必要的部分
img = pic[210:500, 100:580]

# 截取各部分的文字
time = pic[400:430, 100:580]
business = pic[370:400, 100:580]
goods = pic[350:380, 100:580]
money = pic[210:300, 100:580]
num = pic[460:500, 100:580]
# 查看截取的部分是否合適

gener_name = ['time','business','goods','money','num']
excel_data = {}
pd_columns = ["a","b","c","d","e"] # 標題

3.定義函數將截取好的圖片另存到文件夾

def shotcut_image(args):
    for index in gener:
        cv2.imwrite('image/{}.png'.format(args), img)

4.調用百度api接口，實現文字識別

# 導入api
AppID = '24177719'
API_Key = 'p8skmRYfHGoVGR4UU03Q5jiM'
Secret_Key = 'dyM0tzSILBZu9CFqZ7IkjWwECGaws4xo'

cilent = AipOcr(AppID,API_Key,Secret_Key)

def get_words(img_name):
    with open('image/{}.png'.format(img_name), 'rb') as f:
        result = cilent.basicAccurate(f.read())
        return result

5.最后將信息轉為Dataframe，利用pandas的to_exccel功能，將數據放到excel里面

def convert_to_dataframe(words):
    # 構建dataframe
    result = words['words_result']
    for word in result:
        excel_data.setdefault('a', []).append(word['words'])

# 將所有words讀取后，取出語句存入excel
def convert_to_excel():
    frame = DataFrame(excel_data, columns=pd_columns)
    # todo 表頭需要額外處理，這里指定不設置表頭
    frame.to_excel('out.xls',index=False, header=False)

關于“Python如何實現自動提取并收集信息”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“Python如何實現自動提取并收集信息”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。