大约一年前，我被分配任务从文件中提取和结构化数据，主要是包含在表格中的数据。我之前对计算机视觉没有了解，并且很难找到一个合适的“即插即用”的解决方案。当时可选的方案要么是基于最新神经网络（nn）的解决方案，这些解决方案庞大而繁琐，要么是基于opencv的较简单的解决方案，但不够一致。
立即学习“Python免费学习笔记（深入）”；
受现有OpenCV脚本的启发，我开发了一种简单而一致的方法来提取表格，并将其制作成一个开源的Python库：img2table
需要被重写的内容是：链接：https://github.com/xavctn/img2table
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
立即学习“Python免费学习笔记（深入）”；
我的库有什么作用？
立即学习“Python免费学习笔记（深入）”；
与深度学习解决方案相比，这个轻量级的包不需要训练和最小化参数化。它提供了以下功能：
立即学习“Python免费学习笔记（深入）”；
- 识别图像和PDF文件中的表格，包括在表格单元级别的边界框。
- 通过支持OCR服务/工具（Tesseract、PaddleOCR、AWS Textract、Google Vision和Azure OCR目前支持）来提取表格内容。
- 处理复杂的表格结构，如合并单元格。
- 实现纠正图像的倾斜和旋转的方法。
- 提取的表格以一个简单的对象形式返回，包括一个Pandas DataFrame表示。
- 将提取的表格导出为Excel文件的选项，保留其原始结构。
如何使用它？
立即学习“Python免费学习笔记（深入）”；
可以使用pip来安装这个库，安装完成后就可以使用了
pip install img2table
在文档中识别表格只需调用一个函数：
从img2table.document导入Image类# 图像实例化 img = Image(src="myimage.jpg")# 表格识别 img_tables = img.extract_tables()# 表格识别结果 img_tables[ExtractedTable(title=None, bbox=(10, 8, 745, 314),shape=(6, 3)), ExtractedTable(title=None, bbox=(936, 9, 1129, 111),shape=(2, 2))]
立即学习“Python免费学习笔记（深入）”；
立即学习“Python免费学习笔记（深入）”；
需要被改写的内容是：上述示例中使用的图像
如果我们想要提取表格的内容，就需要使用OCR工具。可以按照以下步骤来实现：
from img2table.document import PDFfrom img2table.ocr import TesseractOCR# Instantiation of the pdfpdf = PDF(src="mypdf.pdf")# Instantiation of the OCR, Tesseract, which requires prior installationocr = TesseractOCR(lang="eng")# Table identification and extractionpdf_tables = pdf.extract_tables(ocr=ocr)# We can also create an excel file with the tablespdf.to_xlsx('tables.xlsx',ocr=ocr)
立即学习“Python免费学习笔记（深入）”；
示例表格是从PDF文件中提取出来的样本
立即学习“Python免费学习笔记（深入）”；
最后，在简单的情况下，可以通过设置`borderless_tables`参数来执行“无边框”表格的提取。这允许检测那些单元格不需要完全被边框包围的表格。
无需更改原始意思，需要重写的内容是：“无边框”表格提取示例
立即学习“Python免费学习笔记（深入）”；
这是全部内容！事实上，仓库并不复杂，因为我们的目标是尽可能简化，避免引入其他可能带来复杂性的解决方案
立即学习“Python免费学习笔记（深入）”；
请访问项目的GitHub页面以获取更详细的文档和示例：https://github.com/xavctn/img2table
立即学习“Python免费学习笔记（深入）”；
底层实现
立即学习“Python免费学习笔记（深入）”；
所有图像处理都使用OpenCV和opencv-python库完成。然而，这仍然相当基础。
立即学习“Python免费学习笔记（深入）”；
算法的核心是Hough变换，它能够识别图像中的直线，使我们能够检测图像中的水平和垂直线条
需要重写的内容是：cv2.HoughLinesP(img, rho, theta, threshold, None, minLinLength, maxLineGap)
立即学习“Python免费学习笔记（深入）”；
在这之后，我们需要对线条进行一些处理，以便从中识别出单元格，并从单元格中进一步识别出表格
简化算法表示的实现方式
立即学习“Python免费学习笔记（深入）”；
大多数计算使用Polars进行，以实现良好的性能和速度。
立即学习“Python免费学习笔记（深入）”；
