python 数据分析实际案例_python在实际工作中运用的案例

最新推荐文章于 2023-03-29 11:01:52 发布

weixin_39673303

最新推荐文章于 2023-03-29 11:01:52 发布

阅读量419

点赞数

文章标签： python 数据分析实际案例

本文链接：https://blog.csdn.net/weixin_39673303/article/details/111634064

版权

求职丨真账实操丨税务筹划丨备考经验丨英语丨书法大家好，我是刀哥。今天周五下午，我把领导交代的任务完成后，本打算喝喝茶看看报，等着下班过周末，但没多久，领导又丢过来一个任务，并强调争取下班前搞完。

我看了一下任务，并不难，就是从扫描文件中取出需要的信息，并整理到excel表中，只是扫描文件比较多，有100多份，比较费时间。这时，我第一时间想到的，就是借助python来做，这正是发挥它作用的时候。时间比较紧，离下班只剩两个多小时，虽然之前做过从PDF文档中提取文字和表格，现在是要从JPG或PNG格式图片中提取文字信息，不同的格式，意味着需要用到不同的第三方库，得重新学。于是我立马百度，搜索用python从图片中提取文字信息的教程，随便一搜，教程很多，浏览几篇后，锁定了自己觉得是比较详细并且能上手的一篇，按照其讲解步骤开始做。先下载安装第三方库，下载中文语言包，然后写代码，因为公司网盘下载限速，下载花了一点时间，好在提取代码比较简单，如下。

1from PIL import Image
2import pytesseract
3
4image = Image.open(r'd:\E：工作\(银行用)其他应收款明细(1)\2020第一次扫描\2011付4.jpg') #打开图片
5text = pytesseract.image_to_string(image, lang='chi_sim') #图片转为字符串
6text = text.replace("“ ","").replace("。","") #去掉杂质，提纯
7print(text) #显示文字内容

以上只是取出了其中一份文档的文字信息，由于文档份数较多，于是我加了一个循环语句将所有文档路径都获取到，然后再依据上面代码逐一提取，获取所有文档路径代码如下。

 1import os
 2
 3def get_file(folder_path):  #获取同一文件夹下所有财务报表各自的文件路径
 4    dir_file = os.listdir(folder_path)
 5    print(dir_file)  
 6    for path in dir_file:
 7        whole_path = r'd:\E：工作\(银行用)其他应收款明细(1)\2020第一次扫描\{}'.format(path)
 8        print(whole_path)
 9        dir_jpg.append(whole_path)
10    return dir_jpg
11
12dir_jpg = []
13folder_path = r'd:\E：工作\(银行用)其他应收款明细(1)\2020第一次扫描' #此为文件夹路径
14dir_jpg = get_file(folder_path)
15print(dir_jpg)

至此，所有文档的文字信息都提取出来了，但刀哥在实际操作中，遇到了两个问题。一是提取文字信息的准确度，这与下载的中文语言包有关系，中文语言包越高级，识别准确度就越高，而中文博大精深，往往比英文和数字更难提取，有些文档被识别提取出来的信息并不完整或比较凌乱，还需要手动操作。二是没有用代码实现将提取出的文字信息自动写入excel文档，一方面是时间不够，刀哥要急着交作业，另一方面是水平还不够，还得学习研究如何去实现，希望有空了再来好好研究。最后，靠代码实现+手动操作，双管齐下，刀哥在下班之前交出了作业，因为是公司内部信息，就不截图展示了。