号外：录入山东招生计划的心路历程

　　在河北教育考试院公布了河北采用“专业(类)+院校”的方式后，我就想将山东2020年的招生计划录入到数据库中，在录入过程中，经历了种种困难，今天终于录入成绩，先庆祝一下，下边来说说录入历程吧。

　　一、先学习图文识别软件

　　在学习图文识别软件中，通过对各项功能的比较，最终选择了一家知名公司的文字识别，包括通用表格识别、通用文字识别等等。经过一段时间的调试，终于将一张图片中的文字识别出来了，开心中。

　　二、山东招生计划识别

　　山东的招生计划如下图所示

　　在这个图片中，基本上为文字，共400多页。将这些图片以通用文字识别的方式识别出来，录入到数据库中，光这400多页的文字识别，花费了我近一天的时间。

　　三、数据整理

　　由于通用文字识别出来的数据比较乱，存在学制与计划数合在一起，无法区分;代号与院校、专业(类)名称及备注、选考科目要求、学制、计划数和年收费整合成一条记录困难重重。使用过好多方法，最终以失败告终。

　　四、表格识别

　　使用通用文字识别，再整理数据失败后，设想如果将上图的图片，添加横线和竖线，形成表格，再以通用表格的方式进行文字识别，手工添加横线和竖线后，以通用表格的方式进行识别，再导入到数据库中后，发现此种识别出的数据简单明了，可以很方便的进行分析、汇总。看来大功造成了。狂喜中┈┈但是，如何将这400多张图片形成表格呢?一张张添加，要添加到猴年马月，超级郁闷

　　五、自动生成表格

　　苍天不负有心人。通过在网上查找资料，然后再努力研究下，终于实现了自动生成表格，如下图所示。

　　注意，这个表格是由程序自动生成的，在生成过程中没有人为进行调整。当然，这外程序是在经历一次次错误、一次次调测才实现的。

　　六、表格识别录入数据库

　　将生成的表格，重新以通用表格的方式进行文字识别，并将识别的结果导入到数据库中。当然，这些也是由程序实现的。这一过程耗费了大半天的时间。将录入数据库的数据进行整理、汇总后，终于成为可以实用的数据了。

　　此次山东2020年招生计划录入，过程一波三折，中间充满了曲折。还好在自己的坚持下，最终通过努力，终于获得成功。大家如果有图片、文字识别等方面的需求，可以与我联系，让我们共同努力，共同提高。

　　大家在以后需要高考、中考方面数据、需要分析那些方面，请添加我的个人微信。希望以后多多交流。

　　作者简介：左石金，通信行业从业二十载、擅长数据分析。我利用业余时间，对天津、河北高考数据进行了研究(后期增加北京的高考数据)。

本站(www.100xue.net)部分图文转自网络,刊登本文仅为传播信息之用，绝不代表赞同其观点或担保其真实性。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系(底部邮箱)，我们将及时更正、删除，谢谢