基于OCR的收据和票据分析器
receiptparser的Python项目详细描述
接收解析器
摘要
用Python编写的收据和帐单解析器。 可以用作Python模块或CLI工具。在
它最初是基于receipt-parser， 但实际上已经被完全重写/取代。在
到目前为止，只支持德国的收据，但其他国家可以 使用简单的YAML configuration file添加。在
识别率
为了开发这个工具，我使用了182张不同质量的收据。其中一些 弄皱了，大部分已经折叠，等等。这组收据的结果是：
Total: 182
Company found: 171
Postal code found: 158
Date found: 159
Amount found: 114
如果你的收据清晰、无皱褶、对比度好，我希望 97%-99%的成功率，除了总量比较难确定外 正确地。这可能接近75%。在
在适用的情况下，我选择自动化和质量而不是性能。例如， receiptparser扫描每个图像两次，一次不锐化，一次锐化， 这使识别率提高了约6%，但扫描时间增加了一倍。在
安装
先决条件
- Python3
- PIP3
- 镶嵌
通过PIP安装
^{pr2}$通过Git安装
pip3 install -r requirements.txt pip3 install .
Python用法
fromreceiptparser.configimportread_configfromreceiptparser.parserimportprocess_receiptconfig=read_config('my_config.yml')receipt=process_receipt(config,"my_receipt.jpg",out_dir=None,verbosity=0)print("Filename: ",receipt.filename)print("Company: ",receipt.company)print("Postal code:",receipt.postal)print("Date: ",receipt.date)print("Amount: ",receipt.sum)
CLI使用
示例
从目录中读取所有图像（.jpg）并打印识别的数据的简单示例 到标准输出：
receiptparser tests/data/germany/img/
可以按如下方式自定义输出：
receiptparser -v0 --format "{date:%Y-%m-%d} - {company} - {postal} - {sum}.jpg" tests/data/germany/img/
在本例中，-v0禁止任何输出，除了您在--format FORMAT中指定的内容
参数。FORMAT是指定的Python格式字符串here。
格式字符串中可以使用以下值：
- 公司：公司的公认名称
- 邮政编码：公司认可的邮政编码
- 日期：票据或收据的认可日期
- 金额：汇票或收据的美元（或欧元或其他货币）金额
语法
usage: receiptparser [-h][-c CONFIG][--config-file CONFIG_FILE][-t TESSERACT][-f FORMAT][-v {0,1,2}] input positional arguments: input file or directory from which images will be read optional arguments: -h, --help show this help message and exit -c CONFIG, --config CONFIG built-in config to use --config-file CONFIG_FILE like -c, but point to a file instead -t TESSERACT, --tesseract TESSERACT output directory for OCR recognized text (default is to discard) -f FORMAT, --format FORMAT format of the recognized output. default is pretty-printing -v {0,1,2}, --verbosity {0,1,2} increase output verbosity
- 项目
标签：
欢迎加入QQ群-->： 979659372
