Any2Excel 是一款使用 Python 編寫的圖像內(nèi)表格數(shù)據(jù)提取工具，可以高效識別 PDF 原件、掃描件、復(fù)印件、彩色（黑白）照片、截圖內(nèi)的數(shù)據(jù)表格，提取后轉(zhuǎn)為 Excel 文件輸出。

這是一款開源工具，我給它取名叫Any2Excel。顧名思義，往后的目標(biāo)就是提取任意格式文件中的數(shù)據(jù)圖表到可被結(jié)構(gòu)化處理的 Excel 文件。

識別度高，操作簡單，使用場景廣泛。

支持手機(jī)拍照、掃描件、原件、復(fù)印件等等。

快速開始

Python PIP 依賴

pip install -r .\requirements.txt

外部依賴

poppler 安裝后將其bin路徑加入系統(tǒng)變量中

配置騰訊云

cp config+sample.yml config.yml后補全config.yml中的配置信息。

工作原理

• 將 PDF 按每頁轉(zhuǎn)為 JPG 圖像文件

• 暫時只取 PDF 第一頁內(nèi)容

• 提交 OCR 識別這個圖像文件

• 將識別結(jié)果轉(zhuǎn)為 Excel 導(dǎo)出

• 清除 Excel 文件的全部樣式

命令行（CLI）

PDF 轉(zhuǎn) Excel

cd PDF2Excel
python3 pdf2excel.py test.pdf

圖片 轉(zhuǎn) Excel

cd PDF2Excel
python3 image2excel.py capture.jpg

可視化拖拽

將需要轉(zhuǎn)換的 PDF 文件/圖片文件，拖拽到程序上就會自動執(zhí)行

輸出文件

*.xlsx 包含了樣式的 Excel 文件，可能會因為樣式過多而文件過大。

*.xls 移除了樣式的 Excel 文件，推薦。

配置

config.yml 內(nèi)包含了騰訊云的相關(guān)鑒權(quán)信息