使用 Python 从营业执照中提取关键信息的过程通常包括两个主要步骤：OCR 文本识别和信息提取。以下是一个详细的实现方案，结合了 OCR 和文本处理技术。 ### 营业执照关键信息提取流程 1. **图像预处理** 在进行 OCR 之前，对输入的图片进行预处理可以提高识别准确率。常见的预处理方法包括灰度化、二值化、降噪等操作。 2. **OCR 文本识别** 使用 OCR 技术将图片中的文字转换为可读取的文本格式。在 Python 中，常用的 OCR 工具包括： - **Tesseract OCR**：开源工具，支持多种语言，可以通过 `pytesseract` 库调用。 - **EasyOCR**：基于深度学习的多语言 OCR 工具，支持 GPU 加速[^2]。 - **百度 API**：提供高精度的营业执照识别服务，适合企业级应用[^4]。 3. **关键信息提取** OCR 识别完成后，需要从返回的文本中提取特定的关键信息，如公司名称、统一社会信用代码、法人姓名、注册日期等字段。这一步可以通过正则表达式或 NLP 技术来实现。 ### 示例代码：使用 EasyOCR 进行 OCR 识别 ```python import easyocr # 创建 EasyOCR 读取器 reader = easyocr.Reader(['ch_sim', 'en']) # 对营业执照图片进行 OCR 识别 result = reader.readtext('business_license.jpg') # 输出识别结果 for (bbox, text, prob) in result: print(f'Text: {text}, Probability: {prob}') ``` ### 示例代码：使用百度 API 提取营业执照信息 ```python import requests import base64 def baidu_ocr_cert(token, image_path): with open(image_path, 'rb') as f: img = base64.b64encode(f.read()) request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/business_license" params = {"image": img} headers = {'content-type': 'application/x-www-form-urlencoded'} access_token = token request_url = request_url + "?access_token=" + access_token response = requests.post(request_url, data=params, headers=headers) return response.json() # 调用示例 token = 'your_access_token' result = baidu_ocr_cert(token, 'test.jpg') print(result) ``` ### 关键信息提取逻辑（Python 实现） 假设 OCR 返回的结果是包含所有文本内容的字符串列表，可以通过正则表达式匹配目标字段： ```python import re def extract_key_info(text_list): info = {} for line in text_list: # 匹配公司名称 if re.search(r'公司名称[:：]', line): info['company_name'] = line.split('[:：]')[1].strip() # 匹配统一社会信用代码 if re.search(r'统一社会信用代码[:：]', line): info['credit_code'] = line.split('[:：]')[1].strip() # 匹配法定代表人 if re.search(r'法定代表人[:：]', line): info['legal_representative'] = line.split('[:：]')[1].strip() # 匹配成立日期 if re.search(r'成立日期[:：]', line): info['establishment_date'] = line.split('[:：]')[1].strip() return info # 假设 text_list 是 OCR 返回的文本列表 key_info = extract_key_info(text_list) print(key_info) ``` ### 模型优化建议 - **YoloV8 + Tesseract**：结合 YoloV8 进行目标检测定位关键区域，并通过 Tesseract 提取该区域的文字信息，提升识别效率与准确性[^5]。 - **OpenCV 图像预处理**：通过 OpenCV 进行图像增强、去噪等操作，有助于提升 OCR 的识别效果[^3]。