pandas - 将 pytesseract 字符串输出转换为 pandas df

Question

我收到了 Subway 的全天详细销售、 worker 等信息的收据，需要提取管理类的数据。

我拍了收据的照片并用 pytesseract 将它们处理成一个由\n 分隔的字符串，但现在不知道如何使用 pd.read_csv 和 StringIO 将其转换为数据帧。如果这是最好的解决方法，请不要这样做。还可能需要使用 cv2 编辑图像，以便更好地处理。

import numpy as np
import pytesseract
from PIL import Image
import pandas as pd

path = 'C:\\attachments\\'

monday = pytesseract.image_to_string(Image.open(path+'file1-1.jpeg'),lang='eng')

from StringIO import StringIO
mon = pd.read_csv(StringIO(monday),sep=r'\s',lineterminator=r'\n')
print(mon)

这是目前周一的一些变数。

"\nTIME HOURS :\nPERIOD SALES UNITS WORKED PROD SPLH\nZhan emmoo «Ct (iti ;:t‘«é‘«‘i CSD\n3A-4A $0.00 0 0 0 $0.00\n44-54 =: $0.00 SssOO 0 0 $0.00\n5A-6A $0.00 0 0 0 $0.00\nbA-7A $0.00 0 0 0 $0.00\n7A-BA =s«$0.00-Sss«OOs«*O0.80 0 $0.00\nBA-9A 60,00 . Qge2.00 0 $0.00\nQA-10A $33.68 6 2,00 3.00 $16.84\n104-114 $61.07 9 2.13 4.23 $28.67\n11A-12P$238.82 33 5,00 6.60 $47.76"

数据框应该是这样的:

Period Sales Units Worked Prod SPLH
3A-4A  $0.00  0      0     0   $0.00
bA-7A  $0.00  0      0     0   $0.00

Answer 1

您可以将 tesseract 的结果直接放入 Pandas 数据框中:

monday = pytesseract.image_to_data(Image.open(path+'file1-1.jpeg'),lang='eng', output_type='data.frame')

现在 monday 是一个数据框，但是它需要您进行更多处理，因为它至少包含层次结构中每个级别的一行。检查输出并查看您希望如何组织它。