识别图片中的表格然后导出成excel文件

其实我一直都不明白，为什么有人宁愿手敲表格，也不试试图片直接转成Excel？

直到有个粉丝找到我，找我领了一个表格合并工具。这里偷偷告诉你，工具都是用workbuddy写出来的，其实我是觉得写工具很快，只是缺少想法，如果你也愿意把你的想法分享给我，那么请你一定要关注我，我也愿意给你写一些小的工具。

我写的工具可以帮到他我非常的开心，我也希望我的一个小小的举动可以帮到更多的人。如果你也需要这样一个工具，可以去我的网盘自己下载一下，网盘在资料专区可以获取到。

这里我放一个我的资料网盘的卡密：DD05-99A4-01EB-CF52

快速开始

1. 双击 `dist/表格截图转Excel.exe` 启动程序。

2. 在「API 设置」里点击 **「智谱 GLM-4V」** 预设，填入你的 API Key，点击 **保存配置**。

   - API Key 来自 https://open.bigmodel.cn → API Key 管理

   - 默认模型：`glm-4v-flash`（免费/低价，识别够用；想要更强可改为 `glm-4v-plus`）

3. 点击 选择图片/PDF，上传你的表格截图或 PDF 文件：

   图片（png/jpg/jpeg/webp/bmp/gif）：直接识别。

  PDF：程序按页渲染成图片并逐页调用视觉模型识别，所有页结果合并到同一张 Excel 表，状态栏会显示页数。

4. 点击 **识别表格**，等待模型返回结果。

5. 点击 **导出 Excel**，保存 `.xlsx` 文件。

一句话总结：传统方案 = OCR 抠字 + 规则拼表格；这个方案 = 直接让多模态大模型理解整张图并输出结构化数据，省掉了最难的"表格结构还原"环节，代价是每次识别要走一次 API 请求。

填智谱 API Key 步骤

1. 双击运行程序。
2. 点 「API 设置」。
3. 在 「API 预设」 下拉框里选 「智谱 GLM-4V」，会自动填好：
• API Base URL：https://open.bigmodel.cn/api/paas/v4
• 模型：glm-4v-flash
4. 把你智谱控制台复制到的 API Key 粘贴进去（格式类似 a782...vNBj）。
5. 点 保存配置。
6. 回到主界面，点 选择图片 上传表格截图，再点 识别表格。
7. 识别结果出来后，点 导出 Excel 保存。

 调用视觉模型 API（核心）

这是整个程序的灵魂，也是它和传统 OCR 工具最大的不同：

• 它调用的是多模态大模型（你用的智谱 glm-4v-flash），这类模型本身就能"看"图片、理解里面的结构。
• 接口用的是 OpenAI 兼容格式——请求体大致是：

{  "model": "glm-4v-flash",  "messages": [    {"role":"system","content":"你是一个表格识别助手，请只输出 CSV..."},    {"role":"user","content":[      {"type":"text","text":"把这张图里的表格转成 CSV"},      {"type":"image_url","image_url":{"url":"data:image/png;base64,xxxx"}}    ]}  ]}

关键点在于 image_url 字段——这就是"把图直接喂给模型"的方式。DeepSeek 的纯文本 API 没有这个字段，所以当初我们说它不能"看"图，要换成智谱/通义这类视觉模型。

• 接口地址、模型名、Key 都存本地 config.json，不联网上传，所以你之前要填智谱 Key 才能用。

行文至此，感谢你认真看完！

我始终只是在路上摸索的学生，不懂便查，不会便学，把所有踩过的坑整理成文分享给你。

如果你也喜欢这份朴素的分享，不妨点个关注，设为星标，不错过每一篇实操干货。

一生只是一名学生，前路漫漫，我们一同求知成长。