AWS Textract table 提取将带有逗号的整数的行破坏到另一列中

Question

我想使用 AWS Textract 将我的图像转换为 python 中的 tables 并将其下载为 CSV。

所以，我在这里遵循了 AWS 的文档和示例代码： https://github.com/awsdocs/aws-doc-sdk-examples/blob/master/python/example_code/textract/textract_python_table_parser.py

显然上面 link 中的代码会将整数中的逗号分隔到另一列中。我将用图像和步骤来解释以重现以下错误：

所以这是我的 table 图像形式的例子。

如果您想重现错误，请克隆 github 存储库中的代码并在您的 cmd/terminal

中键入以下代码

python textract_python_table_parser.py <your-image-filename.png>

报错如下：

正如您在 ["Amount (USD)"] 列中看到的那样，其中带有逗号的值将分成 ["Transaction Date"] 列。即使我阅读 pandas 中的 csv 文件也没有用。

我想知道 GitHub 存储库中的哪一行代码是否将逗号分隔分为另一列

Answer 1

刚刚发现，在GitHub link中，第114行，只需在大括号中添加“”即可：

csv += '"{}"'.format(text) + ","

原因是将所有文本转换为字符串，这样 CSV 在格式化时就不会考虑字符串中的逗号。