Python自动化办公:批量识别图片文字并存为Excel

大家好，也许你还记得，前不久复旦大学一博士生写了130行

Python

代码，批量识别核酸截图内容的故事。当时还被人民日报公众号报道出来，夸赞用所学贡献青春力量！

其实，批量文字识别（OCR）是

Python

办公自动化的基本操作，应用在我们工作生活中的方方面面，比如车牌识别、证件识别、银行卡识别、票据识别等等。

Python

中

OCR

第三方库非常多，比如

easyocr

、

PaddleOCR

、

cnocr

等等。当然，直接调用百度

API

也是可以的，不过超过一定限额后要收费，因此本文主要以开源免费的

easyocr

来进行介绍。喜欢记得收藏、点赞、关注。

注：完整版代码、技术交流，文末获取

需求

本文以证件识别为例，我网上找了3张虚拟身份证来实验：

运用

easyocr

进行识别并保存为

Excel

，效果如下：

实战

1.安装模块

在

Python

中使用

easyocr

非常简单，只要使用

pip

命令安装

easyocr

即可（建议使用清华源，否则安装会比较慢）。

pip install easyocr

不过

easyocr

的深度学习算法依赖于另一个著名的第三方模块

pytorch

，图形处理部分则会用到

opencv

、

Pillow

等，所以还需要确保自己电脑上已经安装这些基础模块。

2.识别一张图片

1. easyocr
   

   识别图片代码非常简洁，只需要创建一个

   easyocr.Reader
   

   类对象，指定以下两个常用参数：

• 需要识别的文字属于哪几种语言
• 是否启用GPU显卡加速

2.调用

Reader

对象的

readtext

方法，将图片中所有文字读入一个列表并返回。

# 导入模块import easyocr
# 图片路径
image ='./id_card/1.jpg'# 创建ocr的reader对象，识别中英文
ocr = easyocr.Reader(['ch_sim','en'],gpu=False)# 识别图片文字
content = ocr.readtext(image)print(content)

识别结果如下：

[([[39,31],[207,31],[207,67],[39,67]],'姓  名  韦小宝',0.8973890994570185),([[40,82],[159,82],[159,119],[40,119]],'性  别  男',0.9799311480828728),([[178,86],[272,86],[272,116],[178,116]],'民 族汉',0.5456928014755249),([[40,131],[100,131],[100,161],[40,161]],'出  生',0.5362269878387451),([[114,134],[240,134],[240,162],[114,162]],'1654 年12',0.6952526392609933),([[266,134],[322,134],[322,162],[266,162]],'20日',0.31329770168285426),([[42,181],[395,181],[395,213],[42,213]],'住  址  北京市东城区景山前街4号',0.48138251996753667),([[112,222],[256,222],[256,254],[112,254]],'紫禁城敬事房',0.9732440311960702),([[44,307],[195,307],[195,337],[44,337]],'公民身份证号码',0.612808391503521),([[212,308],[526,308],[526,334],[212,334]],'112044165412202438',0.7003081027071493)]

readtext

返回的列表中，每个元素都是一个元组，内含三个信息：位置、文字、置信度。我们可以在调用

readtext

时指定一个参数

detail=0

，从而只返回文字内容。于是修改后代码和效果如下：

import easyocr
image ='./id_card/1.jpg'
ocr = easyocr.Reader(['ch_sim','en'],gpu=False)
content = ocr.readtext(image,detail=0)print(content)

['姓  名  韦小宝','性  别  男','民 族汉','出  生','1654 年12','20日','住  址  北京市东城区景山前街4号','紫禁城敬事房','公民身份证号码','112044165412202438']

3.批量识别图片

批量识别图片无非就是遍历图片文件夹，这里用到了

os.listdir()

方法以返回文件列表。然后用

ocr.readtext()

去识别每一张图片文字内容，接着通过字符串切片来获取姓名、性别、民族、出生、住址和身份证号等关键信息，最后统一将这些信息存入列表

data

中。

import easyocr
import os

# 指明所有图片所在的文件夹
images ='./id_card'# 创建ocr的reader对象，识别中英文
ocr = easyocr.Reader(['ch_sim','en'])# 识别图片文字
content = ocr.readtext(images,detail=0)# 遍历所有图片并识别文字，切片提取有效信息
data =[]for image in os.listdir(images):
    content = ocr.readtext(f'{images}/{image}', detail=0)print(f"正在识别：{image}")
    name = content[0][4:]
    gender = content[1][-1]
    nation = content[2][-1]
    birth = content[-5]if"月"notin birth:
        birth = content[-6]+"月"+ content[-5]if"日"notin birth:
        birth = birth[:-1]+"日"
    address = content[-4][4:]+ content[-3]
    number = content[-1]print(f"完成识别：{image}")print("-"*50)
    data.append([name, gender, nation, birth, address, number])

4.保存数据

图片文字识别之后，建议通过

pandas

输出为

Excel

，方便简洁。

import pandas as pd

# 保存识别结果至Excel
df = pd.DataFrame(data, columns=["姓名","性别","民族","出生","住址","身份证号"])print(f"识别结果如下：")print(df)
df.to_excel("识别结果.xlsx", index=False)

推荐文章

• 李宏毅《机器学习》国语课程(2022)来了
• 有人把吴恩达老师的机器学习和深度学习做成了中文版
• 上瘾了，最近又给公司撸了一个可视化大屏(附源码)
• 如此优雅，4款 Python 自动数据分析神器真香啊
• 梳理半月有余，精心准备了17张知识思维导图，这次要讲清统计学
• 年终汇总：20份可视化大屏模板，直接套用真香(文末附源码)

技术交流

欢迎转载、收藏、有所收获点赞支持一下！数据、代码可以找我获取

目前开通了技术交流群，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

• 方式①、发送如下图片至微信，长按识别，后台回复：加群；
• 方式②、添加微信号：dkl88191，备注：来自CSDN
• 方式③、微信搜索公众号：Python学习与数据挖掘，后台回复：加群