批量提取PDF指定地区内容到 Excel , 根据PDF文件第一行笔墨来自动重定名v1.3-附思绪和代码实现

本次文章更新内容，图片以及扫描的PDF也可以支持批量提取指定地区内容了，重要是通过截图指定地区，然后使用OCR来辨认该地区的笔墨来实现的，以是精度大概会有点不敷，但是假如是数字的话，题目不大； 以是最好还是纯电子版本的PDF文件提取结果最好。
 

---

 
需求1：假如我有一批数目比力多的同样格式的PDF电子文档，须要把特定多个地区的数字大概笔墨提取出来
需求2：我有一批PDF文档，但是文件的名称都是一些乱码，我须要根据PDF文件内里第一页内容的第一行的标题笔墨来批量重定名这些文件
 
分析：不顺应场景：假如多个PDF文件的须要提取内容的地区的位置不一样，好比我要提取的数字在第一个PDF文件在（30，30）的坐标，结果在第二个文件酿成了（35，35）这个坐标，那么软件就会无法很好的提取这个内容文本，以是这个代码的实用范围是多个PDF文档格式划一，而且须要提取的文本信息所在的PDF位置都根本一样的环境下实用。
 
 
思绪1：我们恣意选一个PDF文件作为样本，然后用代码把要提取的地区用方框标注出来，再然后把这些地区的坐标生存下来，后续批量处理处罚每个PDF的时间，就根据生存的这些地区坐标来提取对应位置的笔墨大概数字
思绪表现图：
 

 
 
 
末了的结果表现图：
 

 
 
 
这种思绪的缺陷和须要注意的点：
1 须要每个批量处理处罚的文件要提取的数据的位置都是一样的，好比第一个PDF文件须要提取的数字位于【100，100】这个坐标，那么后续每个文件须要提取的数字都要位于这个位置，如有变动，就会导致提取不到须要的数据，可以通过扩大地区的坐标范围来肯定水平上的办理这个题目
2 假如提取的笔墨不齐备，分析大概框选的方框略微小了一点，我代码内里设置了一个单独增大某个地区的功能
 
 

---

 
需求2思绪：一批PDF文档的名称都是一些乱码，我须要根据PDF文件内里第一页内容的标题来批量重定名这些文件，现实上很简单，就是分析PDF文件，然后获取第一行的内容，然后重定名该文件即可，这个代码不复杂，就没放在本页了。
 
 
代码：

2. from typing import Optional, Dict, List
4. from solapi.magic_eden.site_api.utils.consts import MEAPIUrls
5. from solapi.magic_eden.site_api.utils.data import collection_stats_cleaner, collection_info_cleaner, \
6.     collection_list_stats_cleaner
7. from solapi.magic_eden.site_api.utils.types import MECollectionStats, MECollectionInfo, MECollectionMetrics
8. from solapi.utils.api import BaseApi
10. class MagicEdenCollectionApi(BaseApi):
12.     def get_collection_stats_dirty(self, symbol: str) -> Optional[Dict]:
13.         url = f'{MEAPIUrls.COLLECTION_STATS}{symbol}'
14.         res = self._get_request(url)
15.         return res.get('results') if isinstance(res, dict) else None
17.     def get_collection_info_dirty(self, symbol: str) -> Optional[Dict]:
18.         url = f'{MEAPIUrls.COLLECTION_INFO}{symbol}'
19.         res = self._get_request(url)
20.         return res if bool(res) else None
22.     def get_collection_stats(self, symbol: str) -> Optional[MECollectionStats]:
23.         data = self.get_collection_stats_dirty(symbol)
24.         if data:
25.             return collection_stats_cleaner(data)
27.     def get_collection_info(self, symbol: str) -> Optional[MECollectionInfo]:
28.         data = self.get_collection_info_dirty(symbol)
29.         if data:
30.             return collection_info_cleaner(data)
32.     def get_collection_list_stats_dirty(self):
33.         url = MEAPIUrls.COLLECTION_LIST_STATS
34.         res = self._get_request(url)
35.         return res.get('results') if isinstance(res, dict) else None
37.     def get_collection_list_stats(self) -> Optional[List[MECollectionMetrics]]:
38.         data = self.get_collection_list_stats_dirty()
39.         if data:
40.             return list(map(lambda x: collection_list_stats_cleaner(x), data))
42.     def get_collection_list_dirty(self):
43.         url = MEAPIUrls.COLLECTION_LIST
44.         res = self._get_request(url)
45.         return res.get('collections') if isinstance(res, dict) else None
47.     def get_collection_list(self) -> Optional[List[MECollectionInfo]]:
48.         data = self.get_collection_list_dirty()
49.         if data:
50.             return list(map(lambda x: collection_info_cleaner(x), data))

复制代码