Konwertuj JPG na CSV

Excel, bazy danych i oprogramowanie do analizy wymagają wierszy i pól, a nie fotografii tabeli, paragonu, formularza lub listy. Konwersja obrazu sprawia, że te informacje można edytować i przeszukiwać; zmiana .jpg na .csv nie tworzy danych ustrukturyzowanych.

Czym jest format JPG

JPG, nazywany również JPEG, to rastrowy format obrazu używany przez aparaty fotograficzne, skanery, smartfony, zrzuty ekranu i oprogramowanie do edycji obrazów. Jego kompresja stratna pozwala zachować stosunkowo mały rozmiar plików fotograficznych i zeskanowanych, ale piksele same w sobie nie zawierają tekstu, pól, wierszy ani kolumn. Plik JPG może wyświetlać tabelę bez przechowywania jej jako danych.

Czym jest format CSV

CSV to reprezentacja danych tabelarycznych w postaci zwykłego tekstu. Wiersze zwykle reprezentują rekordy, natomiast przecinki, średniki lub inny separator oddzielają pola; pola zawierające separatory, cudzysłowy lub podziały wiersza muszą być ujęte w cudzysłowy. Mogą go importować aplikacje arkuszy kalkulacyjnych, bazy danych, programy statystyczne i skrypty.

CSV jest mały, przenośny i łatwy do przetwarzania, ale nie zachowuje czcionek, układu strony, obrazów, formuł, wielu arkuszy ani niezawodnie określonych typów komórek. Użyj UTF-8, gdy znaki spoza ASCII muszą zostać zachowane podczas transferu, i potwierdź separator oczekiwany przez program odbierający dane.

Jak przekonwertować tabelę w pliku JPG

Użyj Excel w przypadku wyraźnej drukowanej tabeli

1. Otwórz wersję Microsoft 365 programu Excel zawierającą funkcję rozpoznawania obrazów.
2. Wybierz Data → From Picture → Picture From File, a następnie wybierz plik JPG. W obsługiwanych wersjach mobilnych użyj odpowiedniego polecenia konwersji obrazu na dane.
3. Przejrzyj wykryte przez Excel komórki przed ich wstawieniem, poprawiając granice kolumn, scalone komórki, daty, separatory dziesiętne, wartości ujemne, puste komórki i zera wiodące.
4. Najpierw zapisz poprawiony skoroszyt, jeśli potrzebujesz edytowalnej kopii kontrolnej.
5. Wybierz File → Save As i wybierz CSV UTF-8 (Comma delimited) (*.csv). Eksport CSV zwykle zawiera tylko aktywny arkusz.

Użyj ABBYY FineReader PDF w przypadku trudnych skanów

1. Otwórz plik JPG w ABBYY FineReader PDF.
2. Uruchom OCR z właściwym językiem dokumentu i włącz rozpoznawanie tabel.
3. Sprawdź rozpoznaną tabelę, zwłaszcza scalone komórki, granice kolumn, kolejność odczytu i znaki pomylone z powodu jakości skanu.
4. Eksportuj do XLSX, otwórz wynik w aplikacji arkusza kalkulacyjnego i użyj polecenia File → Save As, aby utworzyć plik CSV w kodowaniu UTF-8. Bezpośredni eksport do CSV zależy od zainstalowanej edycji FineReader.

Przetwarzaj partie plików za pomocą oprogramowania OCR lub API

Tesseract OCR może wyodrębniać tekst, ale samodzielnie nie odtwarza niezawodnie złożonych tabel. Na przykład tesseract input.jpg output -l eng tworzy plik output.txt; osobny parser musi rozpoznać wiersze i kolumny oraz zapisać prawidłowy plik CSV. W przypadku cyklicznego wyodrębniania tabel AWS Textract, Google Cloud Document AI i Azure AI Document Intelligence zapewniają OCR uwzględniający tabele; skrypt może konwertować zwrócone przez nie komórki do formatu CSV.

W przypadku okazjonalnych, niewrażliwych obrazów usługi działające w przeglądarce, takie jak OCR.space i OnlineOCR, mogą rozpoznawać tekst lub eksportować wyniki zgodne z arkuszami kalkulacyjnymi. Otwórz rozpoznany wynik w programie arkusza kalkulacyjnego, popraw go i zapisz jako CSV. Nie przesyłaj dokumentów tożsamości, dokumentacji finansowej, poufnych paragonów ani materiałów zastrzeżonych do usługi online.

Konwertuj piksele zamiast tekstu

Jeśli zamierzonym wynikiem jest macierz liczbowa zawierająca każdy piksel pliku JPG, OCR nie jest właściwą metodą. Odczytaj obraz za pomocą Python, MATLAB lub innego narzędzia do przetwarzania obrazów i zapisz wartości pikseli do pliku CSV; obraz kolorowy zwykle generuje osobne wartości czerwone, zielone i niebieskie, a wynikowy plik może być znacznie większy niż JPG. Na przykład Python może używać Pillow i NumPy do wczytania obrazu oraz numpy.savetxt do zapisania tablicy w skali szarości, ale do tego celu CSV jest zwykle mniej wydajny niż format tablicy binarnej.

Ograniczenia jakości i zgodności

Dokładność OCR zależy od rozdzielczości, kontrastu, przekrzywienia, rozmycia, pisma odręcznego, czcionki, artefaktów kompresji i linii tabeli. Użyj prostego, ciasno przyciętego obrazu; w przypadku zeskanowanego dokumentu przydatnym celem jest około 300 ppi. W razie potrzeby przed rozpoznawaniem popraw obrót i zwiększ kontrast.

Porównaj każdy wiersz wyniku z obrazem źródłowym. OCR może zamienić 0 na O, 1 na I, zmienić kropki dziesiętne i symbole walut oraz usunąć zera wiodące. Regionalne ustawienia arkusza kalkulacyjnego mogą różnie interpretować daty lub oczekiwać średników zamiast przecinków.

Jeśli identyfikowalność ma znaczenie, zachowaj oryginalny plik JPG i poprawiony plik XLSX. Eksport do CSV usuwa formatowanie, formuły, dodatkowe arkusze i znaczną część informacji o typach danych ze źródłowej aplikacji.