所以我有一些PDF文件,它们是结构化反馈表的扫描副本。表格上有这些复选框和手写笔记的空间。我试图从这些PDF文件中提取数据并将其保存到非结构化CSV文件中。
现在,使用 pytesseract,我能够获取印刷文本(首先将PDF转换为图像),但我无法捕获手写内容。有什么方法可以做到这一点吗?
我附上一个参考样本表格。
PyTesseract是一个OCR程序。它没有经过训练或设计来识别手写字。所以你有两个选择:1)重新训练它以识别手写字(尽管这会非常耗时和复杂)2)使用另一个专门用于识别手写字而不是印刷文本的库,比如这个:https://learn.microsoft.com/en-us/azure/cognitive-services/computer-vision/quickstarts/python-hand-text