我想从OCR数据中提取表格信息
我想从OCR数据中提取表格信息，我有原始文本和它的文本。我尝试了pytesseract，但找不到实际的实现。
以下是一张图片：https://drive.google.com/open?id=1CGJwbmf5snoXvwlQAsRAxIRRixbT_Q8l
我试过这个：https://github.com/WZBSocialScienceCenter/pdftabextract
这种方法对我根本不起作用。
我想从OCR数据中得到这个表的表格结构，以便进一步处理。
共有1个答案
pdftab解压缩不是光学字符识别。它需要带有光学字符识别信息的扫描页面，即包含扫描图像和识别文本的“三明治PDF”。您需要像tesseract或ABBYY Finereader这样的软件来实现光学字符识别。
请尝试tesseract，它的实现相对简单。
-
我有一个R代码，它从单个. nc4文件中提取每个月的每日值。我有49个netcdf文件。我想使用循环从所有这些文件中提取数据并将它们写入唯一的csv文件中。 我有一个文件的代码，但我需要多个文件的帮助。
-
我正在尝试从表中提取特定的信息，基于哪个单元格被单击。到目前为止，我已经创建了一个可以在单击时工作的函数。问题是它总是返回第一个单元格行的值。 HTML： 如您所见，我尝试了和来启用提取槽ID。这是单击时调用的函数。 和总是从表的第一行返回值，即使我单击第二行、第三行、第四行等。 我如何声明我想要的信息不仅来自第一个，而且来自我单击的行。提前谢谢！
-
我的目标是使用基于OCR服务器的解决方案，以键值格式从护照图像中提取数据，以便数据保留在本地。我尝试了Azure表单识别器容器（认知服务表单识别器API V1预览版）。但结果并不令人满意，因为根据训练数据创建的模型无法提取任何键值对。我尝试了各种训练样本数据，也参考了https://docs.microsoft.com/en-us/azure/cognitive-services/form-rec
-
问题内容： 我正在寻找一种在Linux Shell环境中从HTML获取某些信息的方法。 这是我感兴趣的一点： 我想将它们存储在shell变量中或在从html上面提取的键值对中回显这些变量。范例： 目前，我可以做的是创建一个Java程序，该程序将使用sax解析器或html解析器（例如jsoup）来提取此信息。 但是在这里使用Java似乎很麻烦，因为要在您要执行的“包装器”脚本中包含可运行的jar。
-
我有关于从PDF文件中提取数据的查询。我有一个PDF文件，其中包含多个可用的数据表。我想从需要的表内容中提取数据。 如何从 PDF 文件中提取表格数据？ 如何使用 iText/PDFBox 执行此操作？
-
问题内容： 我想使用JSoup-framework提取此表，以将内容保存在“表”数组中。第一个tr-tag是表头。所有以下内容（不包括在内）均描述了内容。 我已经测试了这一个和其他一些，但是我没有让它们为我工作： 使用JSoup提取HTML表内容 问题答案： 这是一些示例代码，您如何仅选择标题： 你得到… 解析 文件 ：（这里是和字符集，请参阅jsoup对铁道部的相关信息文件） 解析 网站 ：（不