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。
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。
首先需要安装百度的接口，命令行输入如下：
pip install baidu-aip -i http://pypi.douban.com/simple --trusted-host pypi.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：
from aip import AipOcr """ 你的 APPID AK SK """ APP_ID = '你的 App ID' API_KEY = '你的 Api Key' SECRET_KEY = '你的 Secret Key' 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 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.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：
from aip import AipOcr
# """ 改成你的 百度云服务的 ID AK SK """
APP_ID = '18690701'
API_KEY = 'QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY = '*******************************'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.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'] for i in result['words_result']])
print(info)结果如下：
获取所有待识别的电子账单图像
from pathlib import Path
# 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')
for img_file in file:
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。
from pathlib import Path
import cv2 as cv
from aip import AipOcr
from time import sleep
APP_ID = '18690701'
API_KEY = 'QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY = '**********************************'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
""" 读取图片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def identity(num):
result_list = []
for i in range(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'] for i in result['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]
for index_, item in enumerate(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/
"""
from aip import AipOcr
from pathlib import Path
import cv2 as cv
from time import sleep
import openpyxl
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 ID AK SK """
APP_ID = '18690701'
API_KEY = 'QFaTVXvZdPrR05dNlR5I49xA'
SECRET_KEY = '*******************************'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
""" 读取图片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def identity(num):
result_list = []
for i in range(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'] for i in result['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')
for img_file in file:
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]
for index_, item in enumerate(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：
识别结果还不错，成功利用 Python 批量识别电子账单数据，并将数据保存到Excel。
感谢各位的阅读！关于“如何利用Python批量识别电子账单数据”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
