如何使用 Python 从手写的扫描 PDF 中提取数据？

Question

所以我有这些 PDF 是结构化反馈表的扫描副本。该表格有这些复选框和用于手写笔记的空格。我正在尝试从这些 PDF 中提取数据并将其保存到非结构化 CSV 文件中。 现在使用 pytesseract 我能够获取打印的文本（通过首先将 PDF 转换为图像），但我无法捕获手写内容。有没有做的。 我附上一个样本表格以供参考。

!https://imgur.com/a/2FYqWJf

Answer 1

PyTesseract 是一个 OCR 程序。它尚未经过训练或设计来识别笔迹。所以你有两个选择：1）重新训练它以进行手写（虽然这将非常耗时且复杂）2）使用另一个实际上用于识别手写而不是像这样的打印文本的库：https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/quickstarts/python-hand-text