python - AWS Textract 表提取将其中包含逗号的整数的行分解为另一列

Question

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

因此，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，上面链接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重现以下错误：

所以这是我的表格的图像形式的例子。

如果您想重现错误，请克隆 github 存储库中的代码并在您的 cmd/终端中键入以下代码

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

错误如下：

正如您在 ["Amount (USD)"] 列中看到的，其中带有逗号的值将进入 ["Transaction Date"] 列。即使我在熊猫中阅读了 csv 文件也没有工作。

我想知道 GitHub 存储库中的哪一行代码将逗号分隔到另一列中

Answer 1

刚刚发现在GitHub 链接中，对于第 114 行，只需在大括号中添加“”：

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

原因是将所有文本转换为字符串，因此 CSV 在格式化期间不会考虑字符串中的逗号。