來源：https://blog.csdn.net/2403_87969572/article/details/156246552

抓取時間（ISO本地）：2026-05-18 05:17:19

---

前言

在日常辦公和開發中，我們經常會遇到這樣的需求：從大量PDF文件的指定區域提取文本（比如發票的日期、金額，報表的關鍵指標），或者對指定區域進行截圖並彙總到Excel中。手動逐個處理效率極低，而通用的PDF OCR工具又無法精準定位區域。

代碼已開源在Github ：https://github.com/ChenAI-TGF/PDF_SnapOCR

今天給大家分享一款我開發的Python工具——PDF區域OCR/截圖逐個處理工具，它完美解決了上述痛點，支持手動審核+全自動批量處理，還內置了區域拖動縮放、Excel自動導出等實用功能，並且配備完善的UI界面，使用門檻極低。下面詳細拆解它的功能和實現原理。先看一下整個程序的界面：

一、工具核心功能詳解

這款工具基於tkinter構建可視化界面，整合了PyMuPDF（PDF處理）、easyocr（OCR識別）、openpyxl（Excel導出）等庫，功能覆蓋從PDF區域選擇到結果彙總的全流程，具體如下：

1. 核心處理能力

功能點	詳細說明
精準區域OCR識別	可框選PDF任意區域進行文字提取，支持中文+英文識別；內置OpenCV圖像預處理（灰度化、自適應閾值、形態學操作），提升識別準確率
區域截圖保存	支持將框選區域保存為圖片，自動處理路徑和文件名衝突（UUID生成唯一名稱），避免特殊字符導致的保存失敗
自定義日期格式化	針對OCR識別的日期文本，可按不同規則自動格式化（例：20251209 → 2025年12月09日），用戶可自行設置，支持實時預覽格式化效果

2. 交互與操作體驗

區域可視化管理 ：

框選的區域會在PDF預覽界面顯示（不同類型有不同顏色：OCR=藍色/截圖=綠色，選中=紅色）
支持拖動（邊線控制點）和縮放（右下角控制點），操作直觀

區域模板繼承

為第一個PDF設置的區域會自動保存為模板，切換後續PDF時自動繼承，無需重複框選；修改區域後模板實時更新，同時 支持拖動（邊線控制點）和縮放（右下角控制點）上一個PDF保存下來的模版

手動模式 - OCR結果審核與修改 ：

處理當前PDF後，所有OCR識別結果會生成可編輯輸入框，支持手動審核、修正識別錯誤（截圖模式僅顯示保存路徑）
編輯後的結果實時生效，點擊「保存並下一個」可將修改後的內容寫入Excel，同時自動切換到下一個PDF文件

全自動模式 - 一鍵批量處理所有PDF ：

切換到全自動模式後，基於已設置的區域模板，點擊「批量處理所有PDF」可後臺線程執行（不卡死界面），避免單線程卡頓
實時顯示處理進度（當前處理第N個/總數量 + 文件名），每處理10個文件自動保存一次Excel，防止數據丟失
處理完成後彈窗提示結果文件路徑，全程無需人工干預

結果導出 - Excel一體化存儲（文本+截圖） ：

純文本結果（OCR識別/修改後內容）與截圖文件一體化寫入Excel，截圖自動插入對應單元格並適配尺寸（最大寬度150px，等比例縮放）
自動調整Excel列寬/行高適配內容，截圖區域單元格標註清晰，文本區域可直接編輯
結果文件保存在PDF文件夾下（命名：PDF處理結果.xlsx），關閉程序時才清理臨時截圖文件，確保Excel中圖片正常顯示

二、環境準備與安裝

使用前需安裝以下依賴庫，建議在虛擬環境中執行：

# 核心依賴
pip install pymupdf easyocr openpyxl
# 輔助依賴（數據處理/圖像/界面）
pip install pandas opencv-python pillow numpy tkinter

注意：tkinter通常隨Python自帶，若缺失可根據系統安裝（如Ubuntu：sudo apt-get install python3-tk）。

三、代碼核心原理簡析

工具的代碼結構清晰，分為基礎配置、工具函數、主應用類、程序入口四部分，核心原理簡單拆解如下：

1. 界面構建：tkinter

• 使用tkinter+ttk構建可視化界面，分為“頂部操作欄”（模式切換、按鈕、進度）、“頂右側操作欄”、“中間預覽區”（PDF畫布+區域設置）、“結果編輯區”、“底部狀態欄”；

• 畫布（Canvas）綁定鼠標事件（點擊/拖動/釋放），實現區域框選、拖動、縮放功能；

• 全局快捷鍵綁定（bind_all），確保F2鍵在任意控件焦點下都能觸發。

2. PDF處理：PyMuPDF（fitz）

• 打開PDF並讀取第一頁（fitz.open(pdf_path)[0]）；
• 計算Canvas與PDF頁面的縮放比例，實現PDF預覽的等比例適配；
• 通過page.get_pixmap(clip=rect)提取指定區域的像素數據，轉換為OpenCV/PIL可處理的圖像格式。

3. OCR識別：easyocr + OpenCV

• easyocr.Reader(['ch_sim', 'en'])初始化中英雙語識別器；
• OpenCV對區域圖像預處理（灰度化、自適應閾值、形態學開運算），減少噪聲提升識別率；
• 自定義format_date_text函數實現日期格式化，異常時返回原始文本，保證程序健壯性。

4. 批量處理：多線程

• 批量處理邏輯放在獨立線程（threading.Thread）中執行，避免主線程（界面）卡死；
• 通過root.after(0, 回調函數)更新UI狀態（進度、提示），符合tkinter的線程安全規則。

5. Excel導出：openpyxl + pandas

• pandas.DataFrame存儲OCR文本結果，dataframe_to_rows寫入Excel；
• openpyxl.drawing.image.Image插入截圖，自動縮放圖片尺寸並調整單元格大小；
• 文本結果與截圖路徑分離存儲，確保Excel導出時文本和圖片一一對應。

四、工具使用教程（分步演示）

步驟1：啟動工具

運行代碼，若依賴齊全會彈出主界面，底部狀態欄顯示“就緒 - 請選擇PDF文件夾開始操作”。

步驟2：選擇PDF文件夾

點擊“選擇PDF文件夾”，選中存放待處理PDF的文件夾，工具會自動加載所有PDF文件（僅後綴為.pdf的文件），並顯示第一個PDF的預覽。

步驟3：設置處理區域（核心）

1. 在PDF預覽畫布上按住鼠標左鍵拖動，框選需要處理的區域；
2. 在右側“區域設置”面板：
   • 輸入“區域名稱”（如“開票日期”“金額”）；
   • 選擇“處理方式”（OCR識別/截圖保存）；
   • 若選OCR，可勾選“是否進行日期格式化”，實時預覽格式化效果；
3. 點擊“添加當前區域”，區域會顯示在畫布上，同時出現在“已選區域”列表中；
4. 如需調整區域：點擊畫布上的區域（變紅），可拖動位置或拖動右下角控制點縮放。

步驟4：選擇處理模式

模式A：手動模式（逐個審核）

1. 點擊“處理當前PDF”，工具會識別所有區域並顯示結果（OCR結果可直接編輯）；
2. 確認結果無誤後，點擊“保存並下一個”，結果寫入Excel並切換到下一個PDF；
3. 重複上述步驟，直到所有PDF處理完成。

模式B：全自動模式（批量處理）

1. 確保第一個PDF的區域設置完成（模板已保存）；
2. 切換到“全自動模式（批量處理）”，點擊“批量處理所有PDF”；
3. 確認後工具開始批量處理，頂部進度標籤顯示當前處理進度；
4. 處理完成後會彈出提示，結果保存到PDF文件夾下的“PDF處理結果.xlsx”。

步驟5：查看結果

打開生成的Excel文件：

• OCR識別的文本直接顯示在單元格中；
• 截圖自動插入對應單元格，單元格大小已適配圖片尺寸；
• 所有PDF的結果按行排列，列名為區域名稱，第一列為PDF文件名。

五、總結與擴展

這款工具完美解決了PDF指定區域文本提取和截圖彙總的痛點，兼顧“手動審核的精準性”和“批量處理的高效性”，適用於財務、行政、數據處理等多個場景。

1. 工具核心價值：精準定位PDF區域+靈活的處理模式+智能Excel導出，解決批量PDF處理的效率問題；
2. 核心技術棧：PyMuPDF（PDF）+easyocr（OCR）+openpyxl（Excel）+tkinter（GUI）；
3. 易用性設計：區域模板繼承、快捷鍵、狀態欄提示、自動清理臨時文件，降低使用門檻。

如果日常工作中需要處理大量PDF的指定區域，這款工具能極大提升效率，建議根據實際需求微調日期格式化規則或OCR預處理參數，適配不同場景的PDF文件。