如何将EasyOCR提取的带坐标文本转为Excel表格？附PDF转PNG方法

一、基于边界框识别表格并导出到Excel #

你当前的代码直接用像素坐标作为Excel的行列号，会导致单元格位置混乱（比如Y坐标95对应第95行，浪费大量空白行）。正确思路是先按文本块的垂直位置（Y坐标）分组为行，再在每行内按水平位置（X坐标）排序为列，最后将整理好的行列数据写入Excel。

改进实现代码 #

from openpyxl import Workbook

# 示例EasyOCR识别结果
result = [
    [[[1395, 95], [1557, 95], [1557, 137], [1395, 137]], 'Nst'],
    [[[663, 197], [779, 197], [779, 239], [663, 239]], 'COPY'],
    [[[200, 248], [586, 248], [586, 394], [200, 394]], 'TOM CHRIS LDSAY Ardmore Search Partners 4US'],
    [[[1004, 248], [1369, 248], [1369, 485], [1004, 485]], 'COMMERCIAL CARDS DIVISION Cards Customer Services PO BOX 5000 SOUTHEND-ON-SEA SP2 9AM Telephone: 1243 673 3701 Facsimile: 1234 789 5281 Monday Friday: 08.00 18.00 Saturday: 09.00 13.00'],
    [[[210, 596], [544, 596], [544, 628], [210, 628]], '06 February 05 March 2024'],
    # 更多数据...
]

# 1. 计算每个文本块的中心Y坐标，用于判断行归属
text_blocks = []
for bbox, text in result:
    y_center = (bbox[0][1] + bbox[2][1]) / 2
    text_blocks.append({"y_center": y_center, "x_left": bbox[0][0], "text": text})

# 2. 按Y坐标分组，将Y差值小于阈值的归为同一行（阈值根据图像分辨率调整）
row_threshold = 50  # 可根据字体大小灵活调整
rows = []
# 先按Y中心排序文本块
text_blocks_sorted = sorted(text_blocks, key=lambda x: x["y_center"])

current_row = [text_blocks_sorted[0]]
for block in text_blocks_sorted[1:]:
    if block["y_center"] - current_row[0]["y_center"] < row_threshold:
        current_row.append(block)
    else:
        rows.append(current_row)
        current_row = [block]
rows.append(current_row)  # 加入最后一行

# 3. 每行内按X坐标排序，确定列顺序
sorted_rows = []
for row in rows:
    sorted_row = sorted(row, key=lambda x: x["x_left"])
    sorted_rows.append([block["text"] for block in sorted_row])

# 4. 写入Excel
wb = Workbook()
ws = wb.active

for row_idx, row_data in enumerate(sorted_rows, start=1):
    for col_idx, text in enumerate(row_data, start=1):
        ws.cell(row=row_idx, column=col_idx, value=text)

wb.save("output_table.xlsx")

关键说明 #

• 行分组阈值：row_threshold需根据图像实际字体大小调整，确保同一行的文本块被分到一组。
• 复杂表格处理：如果是带线条的表格，可先用OpenCV检测表格线条的边界框，再将文本块匹配到对应单元格中，需额外添加图像处理逻辑。

二、PDF转PNG的方法 #

EasyOCR不支持直接处理PDF，可通过以下Python工具将PDF每页转为PNG：

方法1：使用pdf2image库 #

先安装依赖：

pip install pdf2image

Windows用户需额外下载Poppler并配置环境变量，Linux/macOS可通过系统包管理器安装Poppler。

代码示例：

from pdf2image import convert_from_path

# 将PDF转为图像列表（每页对应一个图像对象）
pages = convert_from_path("input.pdf", dpi=300)  # dpi越高图像越清晰，处理速度越慢

# 保存每页为PNG
for idx, page in enumerate(pages):
    page.save(f"page_{idx+1}.png", "PNG")

方法2：使用PyMuPDF（fitz） #

无需额外外部依赖，安装简便：

pip install pymupdf

代码示例：

import fitz  # PyMuPDF

doc = fitz.open("input.pdf")
for page_num in range(len(doc)):
    page = doc.load_page(page_num)
    # 3倍缩放对应约300dpi分辨率，可根据需求调整
    pix = page.get_pixmap(matrix=fitz.Matrix(3, 3))
    pix.save(f"page_{page_num+1}.png")

内容的提问来源于stack exchange，提问作者Drashti