本教程介绍如何使用Python结合PIL和pytesseract库识别图片中的表格内容，并将其转换为Markdown格式。首先安装PIL和pytesseract，然后安装Tesseract-OCR并配置环境。通过pytesseract.image_to_string()函数获取表格文字，再进行数据处理，生成Markdown表格。最终，程序将识别出的表格内容输出为Markdown文本。
本节我们将介绍使用python识别一张图片中的内容，并试着得到一张表格，当然并不是类似于Excel的表格，而是该表格的markdown代码。
注：原创内容，转载请标明出处！
相关工具的安装
本次实验环境：win10，Pycharm2019.3。
安装相关库既可以使用命令行，也可以使用Pycharm自带的工具。
打开cmd命令行或者powershell。
首先安装PIL：
pip install Pillow
这是已经安装好PIL的示意图。
之后，安装pytesseract：
pip install pytesseract
这是已经安装好pytesseract的示意图。
接下来，安装Tesseract-OCR，注意对应系统。
环境配置，输入
tesseract
tesseract -v
如果正常输出，表示配置成功了(我在实际操作时，安装完成后自动配置了系统变量)，如果没有，找到之前安装的路径：
例如：
G:\Program Files (x86)\Tesseract-OCR
将该路径添加到系统变量中
如果你想做英文之外的识别，Tesseract-OCR是没有带其他语言包的，你可以去下载其他语言包
最低0.47元/天 解锁文章
扫一扫
1831
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
