📊 img2table — Полезный инструмент, который помогает автоматизировать извлечение таблиц из сканированных документов или изображений.

📄 Основные возможности:
🟢 Распознавание таблиц на изображениях и в PDF-файлах, включая поддержку сложных структур с объединёнными ячейкам.
🟢 Интеграция с различными OCR-сервисами, такими как Tesseract, PaddleOCR, EasyOCR, Google Vision, AWS Textract и Azure Cognitive Service.
🟢 Возможность экспорта извлечённых таблиц в формат Excel или Pandas DataFrame, сохраняя оригинальную структур.
🟢 Поддержка различных форматов изображений: JPEG, PNG, TIFF и други.

⚙️ Установка:

pip install img2table

Для использования с определённым OCR-сервисом:

pip install img2table[tesseract]  # или [paddle], [easyocr], [gcp], [aws], [azure]

Пример использования:

from img2table.document import Image
from img2table.ocr import TesseractOCR

# Инициализация OCR
ocr = TesseractOCR()

# Загрузка изображения
img = Image("путь_к_изображению.jpg")

# Извлечение таблиц
tables = img.extract_tables(ocr=ocr)

# Получение первой таблицы в виде DataFrame
df = tables[0].df

Благодаря использованию OpenCV, img2table эффективно работает на CPU, не требуя мощных вычислительных ресурсв.

5️⃣ GitHub/Инструкция

👇 Готовый скрипт в архиве

#python #soft #code