对于包含表格的图片，很多OCR软件识别文字时，只是单纯提取整页文字，丢弃的表格的结构。这给使用者带来不便。本工具在OCR时能够保留表格的结构。结果保存为Word文档。
本工具由一个dll和一个exe组成，均为64位。Dll对应的子目录为tableocr，由VC开发，实现核心功能，包括表格格式识别和文字识别；exe对应的子目录为ocrtable，由C#开发，实现用户界面和内容输出。为体现GitHub精神，程序界面文字为英文，相信不会对中文开发者造成太大困扰。jpgs目录下面是示例图片。
如果觉得对您有用，麻烦点个赞。也欢迎提出改进建议和参与改进。除了提交issue外，也可通过邮箱[email protected]和我交流。
[下载预编译组件](https://pan.baidu.com/s/1DOST4gu8Gr87McebLEpfgQ 提取码：56j9)
纯英文识别时，不要勾选 "Recognize simplified Chinese characters"。识别效果如下：
原图：
识别结果（注意表格没有按顺序显示）：
中文识别时，需要勾选 "Recognize simplified Chinese characters"。识别效果如下：
原图：
识别结果：
中文识别依赖于Tesseract中文预训练包chi_sim.traineddata。预编译组件中提供的是官方的预训练包，仅支持宋体等少数字体。对不支持的字体，几乎都会识别为乱码。使用者可考虑自己训练Tesseract或改用其他的OCR技术。
Windows 7 SP1 x64
Visual Studio Community 2017
OpenCV 3.4.3
Tesseract 4.0.0-beta.4 （git源代码编译，如何编译以及如何设置中文识别请搜索网上帖子）
为方便试用，该dll除了Debug和Release，还包含Debug EXE配置，编译结果为exe。该程序在图片中显示识别的表格结构，并通过OutputDebugString输出识别的文字。注意Tesseract识别时间较长，另外需通过键盘按键而不是鼠标关闭显示图片的窗口。
Windows 7 SP1 x64
Visual Studio Community 2017
DocX（Xceed.Words.NET.dll）（nuget下载）
这个项目是我5年前在更换工作的空窗期间做的。当时时间比较充裕，学习了一些机器学习和深度学习方面的知识，受到苏剑林博客(http://spaces.ac.cn/archives/3856/) 的启发，基于OpenCV开发了这个小工具。作为一名超大龄程序员的个人项目，很欣慰它还能得到不少人的认可，虽然我不知道他们是如何应用这个工具的。
最初考虑过对工具进行改进，包括从褶皱的纸上识别不连续或者倾斜的线，以及文字识别效率的提升。但这些问题对自己难度都不小。我后来先后从事的几份工作都跟AI没有关系，996之余很难有足够精力进行相关研究，于是便荒废了，估计今后已不会再更新代码。在此说一声抱歉。还在孜孜不倦探索这类问题的伙伴们可以搜“知乎 表格识别综述”，或者参考微信、好大夫等的解决方案。
- 完成初版
-
修正dll中的BUG
-
exe增加国际化支持
-
完善Readme
- 添加了后记