【批量图片转化文本】

代码的使用案例，主要是给到做数据分析的小伙伴使用，因为日常中我们从平台获取的数据，可能是图片也可能由于截取图片比较方便，但是做分析，需要转化文本，再从文本中进行自然语言处理，所以图片转文本是第一步。希望该文章对你有帮助~~~

图片获取

import os
def get_img_file(file_name):
    imagelist = []
    for parent, dirnames, filenames in os.walk(file_name):
        for filename in filenames:
            if filename.lower().endswith(
                    ('.png', '.jpg')):
                imagelist.append(os.path.join(parent, filename))
        return imagelist

1. os.walk 可以遍历文件夹所有的文件，具体使用方法可以：https://www.runoob.com/python/os-walk.html
2. 若是并非所有文件都是目标文件，可以根据需要自行选择，案例中通过后缀的方式进行限制 filename.lower().endswith（）是将文件夹名词进行全部小写之后再根据后缀判断
3. 最后的存储对象是以列表的形式输出

图片转化为文本

from cnocr import CnOcr

ocr = CnOcr()
'图片解析成文本'
def picture_ocr(image_name):
    result_ocr = ocr.ocr(image_name)
    text = ''
    for list_text in result_ocr:
        text = text + list_text['text'] + '\n'
    return text

1. 进行下载安装CnOcr，有很大概率会出错，包括网络不行或者其他原因，可以通过安装包下载的方式进行内容替换。若是要找到对应文件夹的位置，可以先试着运行ocr= CnOcr()，会告知哪些文件夹错误，安装教程https://cnocr.readthedocs.io/zh/latest/install/，安装包可以到GITHUB寻找
2. 内容：会把识别的所有内容都输出，需要根据需要进行数据处理，比如案例中我是获取到文本之后进行合并字符串，并通过转行符进行数据格式调整。

识别结果存储

import pandas as pd
def data(file):
    name = ['one']
    data_all = {}
    result = pd.DataFrame(data_all, columns=name)
    iamge_list = get_img_file(file)
    for image in iamge_list:
        da = picture_ocr(image)
        result.loc[len(result.index)] = [da]
    return result

1. 案例中是采用pd.DataFrame（）进行内容存储，为了方便后面进行excel 存储
2. pd.DataFrame（）初始化是需要先设置列字段，但是可以用一个空的字典
3. 行列都可以根据需要进行新增，案例是新增行result.loc[len(result.index)] = [da]

主函数

if __name__ == '__main__':
    over=data(文件夹路径)
    over.to_csv("./over.csv", index=False)