我想从 OCR 数据中提取表格信息

Question

我想从 OCR 数据中提取表格信息，我有原始文本，它是文本。 我尝试了 pytesseract 但找不到实际的实现。

这是一张图片：https://drive.google.com/open?id=1CGJwbmf5snoXvwlQAsRAxIRRixbT_Q8l

我试过这个：https://github.com/WZBSocialScienceCenter/pdftabextract

这个方法根本不适合我。

我想从 OCR 数据中获得此表的表格结构，以供我进一步处理。

Answer 1

pdftabextract 不是 OCR。它需要使用 OCR 扫描的页面 信息，即“三明治 PDF”，其中包含扫描的 图像和识别的文本。您需要像 tesseract 或 用于 OCR 的 ABBYY Finereader。

请尝试 tesseract，它的实现相对简单。