python：全免费使用对文件夹中图片进行99%识别率的ocr

zjg121

1.所有图片放在D:\a\a文件夹中；2.十秒内完成微信扫码登录腾讯云；3识别结果放在d:\c\a.docx（事先手动新建该文件）文件中。

[Python] 纯文本查看 复制代码

from selenium import webdriver
from selenium.webdriver.common.by import By
from time import sleep
from pywinauto import Application
from docx import Document
import os
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

file_path = r'D:\c\a.docx'  # 使用原始字符串来避免转义问题

# 打印文件路径，以便检查
print(file_path)

try:
    doc = Document(file_path)
    print('文档加载成功。')
    # 你的其他操作
except FileNotFoundError:
    print("文件未找到，请检查文件路径是否正确。")
folder_path = r'D:\a\a'  # 使用原始字符串，确保路径正确

'''try:
    files = [f for f in os.listdir(folder_path) if os.path.isfile(os.path.join(folder_path, f))]
    # 你的其他操作
except FileNotFoundError:
    print(f"找不到指定的路径：{folder_path}")'''
driver = webdriver.Edge()
driver.maximize_window()
driver.get('https://cloud.tencent.com/login')
sleep(10)  # 等待登录完成，必须在10秒内完成，否则会报错

files = [f for f in os.listdir(folder_path) if os.path.isfile(os.path.join(folder_path, f))]

n = 0
for file in files:
    i = n % 2
    n = n + 1
    driver.get('https://cloud.tencent.com/product/ocr')
    driver.execute_script("window.scrollBy(0, 400);")
    WebDriverWait(driver, 20).until(EC.presence_of_element_located(
        (By.XPATH, '/html/body/div[2]/div/div/div[2]/div/div/div/div/div[1]/div[2]/div/div[2]'))).click()
    sleep(0.1)
    anniu = driver.find_element(By.XPATH,
                                '//*[@id="demo-app"]/div/div/div/div[2]/div[2]/div/div[1]/div[2]/div[1]/div[1]')
    driver.execute_script("arguments[0].scrollIntoView(true);", anniu)
    anniu.click()
    sleep(0.5)
    app = Application().connect(title='打开')
    window = app.window(title='打开')
    window["文件名(&N):Edit"].set_text(os.path.join(folder_path, file))
    sleep(0.2)
    window["文件名(&N):Edit"].type_keys("{VK_RETURN}")
    sleep(3)
    table = WebDriverWait(driver, 20).until(EC.presence_of_element_located((By.TAG_NAME, 'tbody')))
    rows = table.find_elements(By.TAG_NAME, "tr")
    # 定义文件保存的路径
    file_path = 'd:/c/a.docx'

    # 获取文件所在的目录
    dir_path = os.path.dirname(file_path)

    # 如果目录不存在，则创建它
    if not os.path.exists(dir_path):
        os.makedirs(dir_path)
    doc = Document(file_path)
    # 遍历每一行，获取单元格中的文本
    if i == 0:
        doc.add_paragraph('左±×·℃÷≤≥≠≈★√∵∴∠πμρηΔΩ°′″________[   ]①②③④⑤')
    '''else:
        doc.add_paragraph('右±×·℃÷≤≥≠≈★√∵∴∠πμρηΔΩ°′″________[   ]①②③④⑤')'''
    for row in rows:
        cells = row.find_elements(By.TAG_NAME, "td")
        for cell in cells:
            doc.add_paragraph(cell.text)
    # 保存文档
    doc.save(file_path)

wanwyt

王胖子不胖 发表于 2024-7-17 08:04
感谢大佬！期待大佬的回复

# 这是一个示例 Python 脚本。

# 按 Shift+F10 执行或将其替换为您的代码。
# 按 双击 Shift 在所有地方搜索类、文件、工具窗口、操作和设置。

import os
import sys
import pdfplumber
import re


def new_prefix_tt(original_file_path):
    with pdfplumber.open(original_file_path) as pdf:
          # 遍历PDF中的每一页
        for page in pdf.pages:
            # 提取当前页的文本
            text = page.extract_text()
            print(text)
            print("----------------")
            date_line = re.search(r'售\n名称：(.*)', text)
            date_line1 = re.search(r'销 名称：(.*)', text)
            # 如果找到包含“开票日期”的行
            if date_line:
                # 提取日期部分（假设日期后面没有冒号或其他分隔符）
                invoice_m = date_line.group(1).strip()
                print(f"Found invoice : {invoice_m}")
                return invoice_m

            if date_line1:
                # 提取日期部分（假设日期后面没有冒号或其他分隔符）
                invoice_m = date_line1.group(1).strip()
                print(f"找到发票名称 : {invoice_m}")
                return invoice_m

def new_prefix_date(original_file_path):
    with pdfplumber.open(original_file_path) as pdf:
        # 遍历PDF中的每一页
        for page in pdf.pages:
            # 提取当前页的文本
            text = page.extract_text()

            date_line = re.search(r'开票日期：(.*)', text)

            # 如果找到包含“开票日期”的行
            if date_line:
                # 提取日期部分（假设日期后面没有冒号或其他分隔符）
                invoice_date = date_line.group(1).strip()
                print(f"找到发票日期: {invoice_date}")
                return invoice_date

def batch_rename_pdf_invoices(directory):
    # 遍历指定目录中的所有文件
    current_number = "001"  # 初始化变量为"001"
    for filename in os.listdir(directory):

        # 检查文件是否以.pdf结尾，并且满足你的发票文件名规则（例如包含'invoice'）
        if filename.lower().endswith('.pdf') :
            # 构建原始文件的完整路径
            original_file_path = os.path.join(directory, filename)

            new_prefix=new_prefix_tt(original_file_path)
            new_date=new_prefix_date(original_file_path)
            # 构建新文件名的前缀（保留原始文件的扩展名）
            new_filename = f"{new_date}{new_prefix}{current_number}{os.path.splitext(filename)[1]}"

            # 构建新文件的完整路径
            new_file_path = os.path.join(directory, new_filename)

            # 重命名文件
            os.rename(original_file_path, new_file_path)
            current_number = str(int(current_number) + 1).zfill(3)  # 递增并填充零
            print(f"Renamed '{filename}' to '{new_filename}'")

# 使用示例
directory = r"C:\123"  # 发票文件所在的文件夹路径


if __name__ == '__main__':

    batch_rename_pdf_invoices(directory)

# 访问 https://www.jetbrains.com/help/pycharm/ 获取 PyCharm 帮助

调味包

有直接调用API的吗？

zjg121

调味包 发表于 2024-5-5 14:41
有直接调用API的吗？

https://www.52pojie.cn/thread-1920332-1-1.html

52soft

这个才是最好的工具

py学徒

离线版 才有意义。

52soft

    from pywinauto import Application
  File "C:\Program Files\Python312\Lib\site-packages\pywinauto\__init__.py", line 59, in <module>
    import win32api  # noqa: E402
ModuleNotFoundError: No module named 'win32api'
这是什么错误？

zjg121

52soft 发表于 2024-5-5 17:38
from pywinauto import Application
  File "C:\Program Files\Python312\Lib\site-packages\pywinaut ...

可能没有安装需要的库。试试：pip install pywin32

如果调试中出现问题，可以把提示输入到文心一言、讯飞星火、通义千问等ai中，看看怎样解决。

调味包

zjg121 发表于 2024-5-5 14:48
https://www.52pojie.cn/thread-1920332-1-1.html

收到 麻烦了

seekwe

没有并发限制?

lgf000

有没有成品啊 小白不会用 感谢大佬