【PDF区域识别改名+导表格】扫描PDF文档自定义指定多个识别区域，识别固定位置的文字并保存到Excel详细步骤及制作详细教程，代码直接可用

在日常办公中，员工经常需要从PDF文件中提取表格数据。手动进行OCR识别、表格提取、重命名和导出操作繁琐且容易疲劳。例如，行政人员处理办公用品采购清单PDF时，每次都要重复这些步骤，自动化工具可大大节省时间。

以下是使用 Python 和飞桨实现扫描 PDF 文档自定义指定多个识别区域，识别固定位置的文字并导出到 Excel 的详细步骤及开发教程：

一、开发思路

1. 使用 pdf2image 将 PDF 文档转换为图像，以便进行 OCR 识别。
2. 使用飞桨的 PaddleOCR 进行文字识别。
3. 使用 openpyxl 库将识别结果存储到 Excel 文件中。
4. 开发一个简单的用户界面（可选），方便用户输入 PDF 路径、指定识别区域等信息。

二、环境搭建

首先，确保你已经安装了所需的 Python 库：

pip install paddlepaddle paddleocr pdf2image openpyxl

三、具体实现步骤

1. PDF 转图像

from pdf2image import convert_from_path


def pdf_to_image(pdf_path, output_folder):
    images = convert_from_path(pdf_path)
    image_paths = []
    for i, image in enumerate(images):
        image_path = os.path.join(output_folder, f"page_{i}.jpg")
        image.save(image_path, 'JPEG')
        image_paths.append(image_path)
    return image_paths

代码解释：

• convert_from_path 函数将 PDF 文档转换为图像列表。
• 遍历图像列表，将每个图像以 page_<页码>.jpg 的格式保存到指定的输出文件夹，并将生成的图像路径存储在 image_paths 列表中。

2. 图像区域文字识别

from paddleocr import PaddleOCR


def ocr_image(image_path, regions):
    ocr = PaddleOCR()
    results = []
    for left, top, right, bottom in regions:
        image = cv2.imread(image_path)
        cropped_image = image[top:bottom, left:right]
        ocr_result = ocr.ocr(cropped_image)
        if ocr_result:
            t