Python如何实现自动提取并收集信息

这篇文章主要介绍了Python如何实现自动提取并收集信息的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python如何实现自动提取并收集信息文章都会有所收获，下面我们一起来看看吧。

一、简介

• 本功能目的在于提取收据/发票上的信息，用机器代替人的方式，提高工作效率

• 实现方式是通过cv2模块截取需要的信息，调用百度的api文字识别接口

二、代码实现

1.导入需要的库，包括百度的api接口跟cv2图像截图图库

import cv2from aip import AipOcr# 读取图片，利用imshow显示图片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.截取图片，获取需要的信息,包括以下信息

• 时间Time

• 商家business

• 商品goods

• 价格money

• 单号num

# 删除不必要的部分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适gener_name = ['time','business','goods','money','num']excel_data = {}pd_columns = ["a","b","c","d","e"] # 标题

3.定义函数将截取好的图片另存到文件夹

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

4.调用百度api接口，实现文字识别

# 导入apiAppID = '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.最后将信息转为Dataframe，利用pandas的to_exccel功能，将数据放到excel里面

def convert_to_dataframe(words):    # 构建dataframe    result = words['words_result']    for word in result:        excel_data.setdefault('a', []).append(word['words'])# 将所有words读取后，取出语句存入exceldef convert_to_excel():    frame = DataFrame(excel_data, columns=pd_columns)    # todo 表头需要额外处理，这里指定不设置表头    frame.to_excel('out.xls',index=False, header=False)

关于"Python如何实现自动提取并收集信息"这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对"Python如何实现自动提取并收集信息"知识都有一定的了解，大家如果还想学习更多知识，欢迎关注行业资讯频道。