jpg2txt圖檔轉換為文字檔(PYTHON)

作業環境前置準備:

 安裝必要性元件(辨識核心元件tesseract-ocr 需下載安裝，外加要辦識之語系)

 

安裝相關套件

 pip install pillow

 pip install pytesseract

 

 PYTHON程式，如下:

# -*- coding: utf-8 -*-
'''
python取圖檔，辨識中文
'''
#'開啟檔案總管 (開啟轉換後之檔案使用)'
import os,sys
import subprocess
import glob
from os import path

from PIL import Image
import pytesseract

# 檢查命令列參數是否足夠
if len(sys.argv) < 2:
    print("Usage: python ocr_script.py <image_file>")
    sys.exit(1)  # 結束程式，返回錯誤碼

file_path = sys.argv[1]  # 取得第一個命令列參數作為檔案路徑

#'預設位址如下,但如安裝不同處,需告訴PYHTON 辨識核心元件在哪，如此方能辦識處理
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract.exe'

img = Image.open(file_path)

#辯識如為繁體中文字之圖檔,參數為'chi_tra' ;🏯日文字之圖檔,參數改為'jpn'
text1 = pytesseract.image_to_string(img, lang='chi_tra')

#出現UnicodeEncodeError: 'cp950' codec can't encode character '\u5f53',需再加入UTF8編碼,如下open('file.txt', mode = 'w', encoding='UTF-8')

 with open('file.txt', mode = 'w') as f:
    f.write(text1)
    f.close()

#'將剛才圖檔辨識後結果，以檔案總管直接將它開啟查閱
subprocess.Popen('explorer "file.txt"')
    

運用方式1:可將您未提供字幕YOUTUBE網站,不瞭解的日文考題,截圖辦識成純文字後(將PYTHON編譯成EXE，再透過圖檔右鍵傳送到EXE檔(shell:sendto)，立即取得日文純文字考題),再貼到 AI神器去解析考題,省去打字時間 。

運用方式2:以目前AI辦識技術已非難事，將截圖片段直接上傳AI，無需透過本程式，亦是另一種可行方式，但缺點是需考量上傳資料是否涉機敏性(如:公司公文、個資等)，如有就可使用此離線工具做轉換辨識處理。

相關參考資訊:

Mac系統OCR辨識工具

VLOOKUP 查詢對應資料有誤

發現VLOOKUP回傳對應資料有誤

原因分析:
1.拚字錯誤  ，如:參照對應陣列關鍵字1o4 ，而其查詢來源為 104，
                           參照對應陣列關鍵字,部分字示為全形字元,而其來源全為半形字元
   ,導致欲查詢之關鍵字，與參照對應陣列值回傳錯誤

2.格式不同,如:參照對應陣列關鍵字，欄位之儲存格格式,類別(C):屬性為文字，而其來源欄位之儲存格格式，類別(C):屬性為數值 

3.CELLS 儲存格,內含 看不到多餘的空白字元^^^(例如:NBSP空白字元CHR(160),&NBSP;)，如:參照對應陣列關鍵字104^^^ ，而其來源為 104，原因多了看不到的3個空白字元(NBSP、CR、LF),導致vlookup回傳對應資料錯誤 

解決辦法:
可以透過trim函數或 substitue函數，去除CELLS儲存格多餘空白字元 ，trim(參照對應陣列關鍵字欄位),即可將參照對應陣列關鍵字,去除多餘空白字元.


相關查詢:
https://myblog-johnnyit.blogspot.com/2008/04/vlookup.html

編輯EXCEL巨集，出現'VBE6EXT. OLB could not be loaded'

問題

編輯EXCEL巨集程式，出現錯誤訊息VBE6EXT無法載入問題

 

處理方式

1.將VBE6EXT.OLB ,更名成 VBE6EXT.OLD (無效) 

2.重新修復OFFICE(無效)

3.移除OFFICE重裝(無效) 

解決方式

步驟1.確認下列檔案路徑,是否確實有VBE6EXT.OLB ?

C:\Program Files (x86)\Common Files\Microsoft shared\VBA\VBA6\

 

OFFICE版本不同可能會不同位置

C:\Program Files (x86)\Microsoft Office\root\VFS\Program Files Common X86 \ Microsoft Shared \ VBA\VBA

步驟2. REGEDIT 機碼位址

以下,另儲存REG附加檔名
 
Windows Registry Editor Version 5.00

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}]

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}\5.3]
@="Microsoft Visual Basic for Applications Extensibility 5.3"
"PrimaryInteropAssemblyName"="Microsoft.Vbe.Interop, Version=15.0.0.0, Culture=neutral, PublicKeyToken=71E9BCE111E9429C"

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}\5.3\0]

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}\5.3\0\Win32]
@="C:\\Program Files (x86)\\common Files\\Microsoft Shared\\VBA\\VBA6\\VBE6EXT.OLB"

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}\5.3\Flags]
@="0"

[HKEY_CLASSES_ROOT\TypeLib\{0002E157-0000-0000-C000-000000000046}\5.3\HelpDir]
@="C:\\Program Files (x86)\\common Files\\Microsoft Shared\\VBA\\VBA6\\VBE6EXT.OLB"
 
確認VBE6EXT.OLD機碼，是否對應正確?，步驟1之路徑
步驟3.重新開機 
原因分析:安裝其它OFFICE軟體，又移除不完全，導致機碼錯亂所致
相關查詢: 

VBE6EXT.OLBを読み込めません

Json2Csv(JavaScript Object Notation轉換成CSV格式)

 作法1：( react-gh-pages離線套件)
將JSON格式轉換成CSV純文字讀取格式工具
步驟1：下載解壓縮 react-gh-pages
步驟2：開啟json-gh-pages資料夾下之 index.html
步驟3：將JSON格式貼於上方視窗，即可轉換成 CSV純文字格式 (預設20筆，點選Download the entire CSV)



作法2：(搭配Notepad++ 外掛工具)
經由Notepad++外掛方式(Plug-in)

作法3：（Python程式）

#'開啟檔案總管 (開啟轉換後之檔案使用)'

import subprocess

import os

import pandas as pd

#'開啟GUI 取得來源檔(準備捉取JSON之來源檔案路徑)

import tkinter as tk

from tkinter import filedialog

root = tk.Tk()


file_path = filedialog.askopenfilename(initialdir = "/",title = "Select file for JSON to csv(選擇欲處理之JSON檔案)",filetypes = (("Json files","*.json"),("Text files","*.txt"),("all files","*.*")))

df = pd.read_json (open(file_path, "r", encoding="utf8"))

print(df)  # 顯示讀取出之DataFrame資訊

input ("Press any key to continue!")


df.to_csv (r'd:\json2csv\Convert_Json_File.csv', index = None)

#將剛產出之CSV文字檔,直接開啟顯示出來

subprocess.Popen('explorer "d:\json2csv\Convert_Json_File.csv"')

PowerShell Remove 內建套件移除

微軟Win11作業系統，內建自己不常用軟體(如:Teams)如何移除，俾提升電腦工作效能?

步驟1：執行cmder程式,
步驟1-1：按+ Create new console
步驟1-2：選1：{Shells}
步驟1-3：選6：{PowerShells(Admin)}

步驟2：找出多餘未使用之軟體關鍵字(如:teams)
PowerShell，找出Win11內建安裝Teams相關軟件
Get-AppxPackage -Name *teams*

步驟2：
移除 內建MicrosoftTeams
Get-AppxPackage -Name MicrosoftTeams | Remove-AppxPackage -ErrorAction stop


取消Win11內建多餘軟件參考資訊：
reduce+Windows+11+RAM+usage+by+avoiding+its+new+features 

Windows 11  デフォルトで有効かつRAMを大量に消費するもの  

Sycnex Windows10Debloater script,移除微軟預設多餘內建軟體

 相關軟體：
Cmdler (PowerShell相關介接程式)

系統最佳化參考資訊

以PowerShell指令查詢Outlook之GAL全域通訊清單

步驟1：執行cmder程式,
步驟1-1：按+ Create new console
步驟1-2：選1：{Shells}
步驟1-3：選6：{PowerShells(Admin)}


步驟2： 將下列指令，逐行貼上 (註解： 

第3行  | where {$_ -match '@taipei.abc.com.tw'}  表示篩選ABC公司之台北分支辦公室 、

           | Sort-Object -Property department  以部門別排序後再產出結果  )

 

$OUTLOOK = New-Object -ComObject "Outlook.application"

$Galist=$outlook.getnamespace("MAPI").AddressLists.Item("全域通訊清單").AddressEntries

$Galist|%{$_.GetExchangeUser() |select companyname,department,Name,PrimarySmtpAddress,BusinessTelephoneNumber,JobTitle} | where {$_ -match '@taipei.abc.com.tw'}  | Sort-Object -Property department > c:\users\username\Gal_Taipei.txt


步驟3：檢視C槽資料夾,產出結果 c:\users\username\Gal_Taipei.txt


相關介面：
cmder命令提示字元(PowerShell)


相關GAL查詢：
EXCEL VBA執行GAL查詢

正規表示式Regular Expression ( FQDN filter)

 將純文字格式下，篩選出FQDN (Domain Name名稱)

TEXTのうちドメイン名までを正規表現を用いて抽出する(FQDN)
 Regular expression which will match a valid domain name

 

背景說明：

公司因業務需要，原始來源為PDF格式，需將其內文中之FQDN網域位址,提取出來。可先經由pdftotext將PDF檔，轉換成TEXT格式後，再經由grep指令將FQDN抽出。

下列為BATCH批次檔

 
rem  將PDF檔先轉換成暫存純文字檔案
pdftotext %1 txtTempPDF.txt

rem 將PDF轉換完成為TEXT文字檔後，經由grep工具取出FQDN網域相關資訊
grep -E '[a-zA-Z0-9.\-_]{1,63}\.[a-zA-Z0-9.\-_]{1,63}' txtTempPDF.txt  -o > Tipip_FQDN.txt

rem 開啟經由grep篩選出之FQDN資訊
explorer Tipip_FQDN.txt

 

相關篩選IP參考資訊：

 (OpenSource)Pdftotext  ,PDF文字轉換工具

https://myblog-johnnyit.blogspot.com/2021/09/pdfip.html