调用百度云自动批量识别辽事通疫苗接种信息

w3812247

最近有个朋友张伟的公司需要统计一下公司所有人的疫苗接种情况，大家都把截图传给了张伟，但是一个一个进行统计真的是太慢了，于是张伟就找到了我。
这个文字识别调用的是百度云的，请求过于频繁可能会拒绝访问一小会，大家可以根据需要对代码进行改造，把识别过的移入到另一个文件夹中，这里仅给大家提供一个思路。

[Python] 纯文本查看 复制代码

import requests
import base64
import time

def ocr(img_path: str) -> list:
    '''
    根据图片路径，将图片转为文字，返回识别到的字符串列表

    '''
    # 请求头
    #time.sleep(10)
    headers = {
        'Host': 'cloud.baidu.com',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36 Edg/89.0.774.76',
        'Accept': '*/*',
        'Origin': 'https://cloud.baidu.com',
        'Sec-Fetch-Site': 'same-origin',
        'Sec-Fetch-Mode': 'cors',
        'Sec-Fetch-Dest': 'empty',
        'Referer': 'https://cloud.baidu.com/product/ocr/general',
        'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',
    }
    # 打开图片并对其使用 base64 编码
    with open(img_path, 'rb') as f:
        img = base64.b64encode(f.read())
    data = {
        'image': 'data:image/jpeg;base64,'+str(img)[2:-1],
        'image_url': '',
        'type': 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic',
        'detect_direction': 'false'
    }
    # 开始调用 ocr 的 api
    response = requests.post(
        'https://cloud.baidu.com/aidemo', headers=headers, data=data)

    # 设置一个空的列表，后面用来存储识别到的字符串
    ocr_text = []

    result = response.json()['data']
    
    if isinstance(result,dict):
        if not result.get('words_result'):
            return []
        # 将识别的字符串添加到列表里面
        for r in result['words_result']:
            text = r['words'].strip()
            ocr_text.append(text+"####")
        # 返回字符串列表
    return ocr_text


'''
img_path 里面填图片路径,这里分两种情况讨论:
第一种:假设你的代码跟图片是在同一个文件夹，那么只需要填文件名,例如 test1.jpg (test1.jpg 是图片文件名)
第二种:假设你的图片全路径是 D:/img/test1.jpg ,那么你需要填 D:/img/test1.jpg
'''
import os
dirs = os.listdir(r'D:\1ocr') #疫苗接种截图目录
#print(dirs)
for dir in dirs:
    filepath = "D:\\1ocr\\"+dir
   
    img_path = filepath
    # content 是识别后得到的结果
    content = "".join(ocr(img_path))
    # 输出结果
   
    if len(content)>1:
        strname = content.split("被接种者姓名")
        if len(strname)>1:
            strname = str(strname[1])[0:10]
            strname = strname.replace("#","").replace("年龄","")
            print(strname)
            strlast = content.split("/")
            strlastlen = len(strlast)
            strri = str(strlast[strlastlen-1])[0:2]
            stryue = strlast[strlastlen-2]
            strnian = str(strlast[strlastlen-3])[-4:]
            #print(len(strlast))
            #print(str(strlast[strlastlen-1])[0:2]) #日
            #print(strlast[strlastlen-2]) #月
            #print(str(strlast[strlastlen-3])[-4:]) #年
            print ("最后一次接种：",strnian+"-"+stryue+"-"+strri)

freshegg

张伟是沈阳哪个公司的

w3812247

freshegg 发表于 2022-12-29 11:14
张伟是沈阳哪个公司的

为啥非得是沈阳的呢，哈哈

ExPensive

我福建的

永无止境000

学习学习

freshegg

w3812247 发表于 2022-12-29 12:09
为啥非得是沈阳的呢，哈哈

理解有误，回帖有误，哈哈哈

ttsdy

好好学习

constwm

学习学习

nullable

看到这儿，我只能说谢谢张伟的朋友分享代码

ljwwwcr

谢谢分享代码