如何利用Python批量识别电子账单数据

tangjin

作者

这篇文章给大家分享的是有关如何利用Python批量识别电子账单数据的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

一、前言

有一定数量类似如下截图所示的账单，利用 Python 批量识别电子账单数据，并将数据保存到Excel。

百度智能云接口打开https://cloud.baidu.com/，如未注册请先注册，然后登录点击管理控制台，点击左侧产品服务→人工智能→文字识别，点击创建应用，输入应用名称如Baidu_OCR，选择用途如学习办公，最后进行简单应用描述，即可点击立即创建。会出现应用列表，包括AppID、API Key、Secret Key等信息，这些稍后会用到。

二、调用Baidu aip识别

首先需要安装百度的接口，命令行输入如下：

pipinstallbaidu-aip-ihttp://pypi.douban.com/simple--trusted-hostpypi.douban.com

查看 Python 的 SDK 文档：

AipOcr是 OCR 的 Python SDK 客户端，为使用 OCR 的开发人员提供了一系列的交互方法。参考如下代码新建一个AipOcr：

fromaipimportAipOcr

"""你的APPIDAKSK"""
APP_ID='你的AppID'
API_KEY='你的ApiKey'
SECRET_KEY='你的SecretKey'

client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

用户向服务请求识别某张图中的所有文字

"""读取图片"""
defget_file_content(filePath):
withopen(filePath,'rb')asfp:
returnfp.read()

image=get_file_content('example.jpg')

"""调用通用文字识别,图片参数为本地图片"""
client.basicGeneral(image)
"""调用通用文字识别（高精度版）图片参数为本地图片"""
client.basicAccurate(image)

识别出如下图片中的文字，示例如下：

fromaipimportAipOcr

#"""改成你的百度云服务的IDAKSK"""
APP_ID='18690701'
API_KEY='QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY='*******************************'
client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

defget_file_content(filePath):
withopen(filePath,'rb')asfp:
returnfp.read()

image=get_file_content('example.jpg')
#调用通用文字识别,图片参数为本地图片
result=client.basicGeneral(image)
print(result)
#提取识别结果
info='\n'.join([i['words']foriinresult['words_result']])
print(info)

结果如下：

三、批量识别电子账单

获取所有待识别的电子账单图像

frompathlibimportPath

#换成你放图片的路径
p=Path(r'D:\test\test_img')
#得到所有文件夹下.jpg图片
file=p.glob('**/*.jpg')
forimg_fileinfile:
print(type(img_file))#<class'pathlib.WindowsPath'>转成str
img_file=str(img_file)
print(img_file)

为了增加识别准确率，将账单上要提取的数据区域分割出来，再调用Baidu aip识别。

frompathlibimportPath
importcv2ascv
fromaipimportAipOcr
fromtimeimportsleep

APP_ID='18690701'
API_KEY='QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY='**********************************'
client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

"""读取图片"""
defget_file_content(filePath):
withopen(filePath,'rb')asfp:
returnfp.read()

defidentity(num):
result_list=[]
foriinrange(num):
image=get_file_content('img{}.jpg'.format(i))
"""调用通用文字识别,图片参数为本地图片"""
result=client.basicGeneral(image)
print(result)
sleep(2)
#识别结果
info=''.join([i['words']foriinresult['words_result']])
result_list.append(info)
print(result_list)

src=cv.imread(r'D:\test\test_img\001.jpg')
src=cv.resize(src,None,fx=0.5,fy=0.5)
#print(src.shape)
img=src[280:850,10:580]#截取图片高宽
money=img[70:130,150:450]#支出收入金额
goods=img[280:330,160:560]#商品
time_1=img[380:425,160:292]#支付时间年月日
time_2=img[380:425,160:390]#支付时间完整
way=img[430:475,160:560]#支付方式
num_1=img[480:520,160:560]#交易单号
num_2=img[525:570,160:560]#商户单号
img_list=[money,goods,time_1,time_2,way,num_1,num_2]
forindex_,iteminenumerate(img_list):
cv.imwrite(f'img{index_}.jpg',item)

identity(len(img_list))

发现调用 client.basicGeneral(image)，通用文字识别，-5.90识别成590，而图像里支付时间年月日时分秒之间间隔小，识别出来都在一起了，需要把支付时间的年月日时分秒分别分割出来识别，调用 client.basicAccurate(image)，通用文字识别(高精度版)。

完整实现如下：

"""
@File：test_01.py
@Author：叶庭云
@CSDN：https://yetingyun.blog.csdn.net/
"""
fromaipimportAipOcr
frompathlibimportPath
importcv2ascv
fromtimeimportsleep
importopenpyxl


wb=openpyxl.Workbook()
sheet=wb.active
sheet.append(['消费','商品','支付时间','支付方式','交易单号','商品单号'])
#"""改成你的百度云服务的IDAKSK"""
APP_ID='18690701'
API_KEY='QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY='*******************************'

client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

"""读取图片"""
defget_file_content(filePath):
withopen(filePath,'rb')asfp:
returnfp.read()


defidentity(num):
result_list=[]
foriinrange(num):
image=get_file_content('img{}.jpg'.format(i))
"""调用通用文字识别,图片参数为本地图片"""
result=client.basicAccurate(image)
print(result)
sleep(1)
#识别结果
info=''.join([i['words']foriinresult['words_result']])
result_list.append(info)

result_list[2]=result_list[2]+''+result_list[3]
result_list.pop(3)
print(result_list)
sheet.append(result_list)


#换成你放图片的路径
p=Path(r'D:\test\test_img')
#得到所有文件夹下.jpg图片
file=p.glob('**/*.jpg')
forimg_fileinfile:
img_file=str(img_file)
src=cv.imread(r'{}'.format(img_file))
src=cv.resize(src,None,fx=0.5,fy=0.5)
#print(src.shape)
img=src[280:850,10:580]#截取图片高、宽范围
money=img[70:130,150:450]#支出金额
goods=img[280:330,160:560]#商品
time_1=img[380:425,160:292]#支付时间年月日
time_2=img[380:425,290:390]#支付时间时分秒
way=img[430:475,160:560]#支付方式
num_1=img[480:520,160:560]#交易单号
num_2=img[525:570,160:560]#商户单号
img_list=[money,goods,time_1,time_2,way,num_1,num_2]
forindex_,iteminenumerate(img_list):
cv.imwrite(f'img{index_}.jpg',item)
identity(len(img_list))
#cv.imshow('img',img)
#cv.imshow('goods',time_2)
#cv.waitKey(0)

wb.save(filename='识别账单结果.xlsx')

结果如下：