從 Pulsar Client 的原理到它的監控面板
背景前段時間業務團隊偶爾會碰到一些 Pulsar 使用的問題，比如消息阻塞不消費了、生產者消息發送緩慢等各種問題。雖然我們有個監控頁面可以根據 topic 維度查看他的發送狀態，
大約一年前，我被分配任務從文件中提取和結構化數據，主要是包含在表格中的數據。我之前對計算機視覺沒有了解，并且很難找到一個合適的“即插即用”的解決方案。當時可選的方案要么是基于最新神經網絡（NN）的解決方案，這些解決方案龐大而繁瑣，要么是基于OpenCV的較簡單的解決方案，但不夠一致。
受現有OpenCV腳本的啟發，我開發了一種簡單而一致的方法來提取表格，并將其制作成一個開源的Python庫：img2table。
鏈接：https://github.com/xavctn/img2table
與深度學習解決方案相比，這個輕量級的包不需要訓練和最小化參數化。它提供了以下功能：
您可以通過pip安裝該庫，然后就可以使用了：
pip install img2table在文檔中識別表格只需調用一個函數：
from img2table.document import Image# Instantiation of the imageimg = Image(src="myimage.jpg")# Table identificationimg_tables = img.extract_tables()# Result of table identificationimg_tables[ExtractedTable(title=None, bbox=(10, 8, 745, 314),shape=(6, 3)), ExtractedTable(title=None, bbox=(936, 9, 1129, 111),shape=(2, 2))]
上述示例中使用的圖像
如果我們想提取表格的內容，則需要使用OCR工具，可以按如下方式實現：
from img2table.document import PDFfrom img2table.ocr import TesseractOCR# Instantiation of the pdfpdf = PDF(src="mypdf.pdf")# Instantiation of the OCR, Tesseract, which requires prior installationocr = TesseractOCR(lang="eng")# Table identification and extractionpdf_tables = pdf.extract_tables(ocr=ocr)# We can also create an excel file with the tablespdf.to_xlsx('tables.xlsx', ocr=ocr)
從PDF中提取的表格示例
最后，在簡單的情況下，可以通過設置`borderless_tables`參數來執行“無邊框”表格的提取。這允許檢測那些單元格不需要完全被邊框包圍的表格。
“無邊框”表格提取示例
這就是全部！實際上，庫并沒有太多復雜的東西，因為目標是盡可能簡化，以避免其他可用解決方案可能帶來的復雜性。
有關更詳細的文檔和示例，請查看項目的GitHub頁面：https://github.com/xavctn/img2table
所有圖像處理都使用OpenCV和opencv-python庫完成。然而，這仍然相當基礎。
算法的骨架是Hough變換，它能夠識別圖像中的線條，使我們能夠檢測圖像的水平和垂直線條。
cv2.HoughLinesP(img, rho, theta, threshold, None, minLinLength, maxLineGap)之后，對線條進行一些處理以從線條中識別單元格，然后從單元格中識別表格。
實現算法的簡化表示
大多數計算使用Polars進行，以實現良好的性能和速度。
本文鏈接：http://www.www897cc.com/showinfo-26-25992-0.html使用Python從圖像中提取表格
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： C語言結構體用法詳解
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號