零门槛掌握！Python调用百度iOCR一键导出空课表全流程

一、技术背景与需求分析

在高校教务管理中，课表常以图片形式发布，手动录入耗时且易出错。借助OCR技术可实现课表信息的自动化提取，但通用OCR对课表这类结构化文本的识别准确率有限。百度自定义iOCR接口支持通过模板训练提升特定场景的识别精度，结合Python的自动化能力，可高效完成“图片→结构化数据→空课表”的闭环。

二、环境准备与依赖安装

1. 开发环境：Python 3.7+、pip包管理工具。
2. 依赖库：
   • requests：用于HTTP请求。
   • opencv-python：图片预处理。
   • pandas：数据整理与导出。
   • baidu-aip：百度AI平台官方SDK（可选，本文采用直接调用API方式）。

     pip install requests opencv-python pandas

三、百度自定义iOCR接口调用全流程

1. 接口开通与密钥获取

• 登录百度智能云控制台，开通“文字识别”服务。
• 创建自定义模板，上传课表示例图片并标注关键字段（如课程名称、时间、地点）。
• 获取API Key、Secret Key及模板ID（templateId）。

2. 图片预处理

课表图片可能存在倾斜、噪点等问题，需进行预处理：

import cv2
import numpy as np
def preprocess_image(image_path):
    # 读取图片
    img = cv2.imread(image_path)
    # 灰度化
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 二值化
    _, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
    # 保存预处理后的图片
    processed_path = "processed.jpg"
    cv2.imwrite(processed_path, binary)
    return processed_path

3. 调用iOCR接口

通过HTTP请求调用百度iOCR接口，需传递图片、模板ID及认证信息：

import requests
import base64
import hashlib
import json
import time
def get_access_token(api_key, secret_key):
    url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={api_key}&client_secret={secret_key}"
    response = requests.get(url).json()
    return response["access_token"]
def call_iocr_api(image_path, template_id, access_token):
    # 读取图片并编码为base64
    with open(image_path, "rb") as f:
        img_base64 = base64.b64encode(f.read()).decode()
    # 请求参数
    url = "https://aip.baidubce.com/rest/2.0/solution/v1/iocr/recognise"
    headers = {
        "Content-Type": "application/x-www-form-urlencoded"
    }
    params = {
        "access_token": access_token,
        "templateSign": template_id,  # 模板ID
        "image": img_base64,
        "isPdf": "false",
        "resultType": "json"
    }
    response = requests.post(url, data=params, headers=headers).json()
    return response
# 示例调用
api_key = "your_api_key"
secret_key = "your_secret_key"
template_id = "your_template_id"
image_path = "processed.jpg"
access_token = get_access_token(api_key, secret_key)
result = call_iocr_api(image_path, template_id, access_token)
print(json.dumps(result, indent=2))

4. 解析识别结果

iOCR返回的JSON包含字段坐标及文本内容，需按课表结构提取：

def parse_iocr_result(result):
    words_result = result["words_result"]
    data = []
    for item in words_result:
        # 假设模板标注了字段类型（如"course_name", "time"等）
        field_type = item["words_result_num"][0]["word_info"]["field_type"]
        text = item["words_result_num"][0]["word_info"]["word"]
        data.append({"field": field_type, "text": text})
    return data

四、一键导出空课表实现

将识别结果整理为表格并导出为Excel：

import pandas as pd
def export_to_excel(data):
    # 假设data已按字段分类（如课程、时间、地点）
    df = pd.DataFrame(data)
    # 按字段类型分组并填充空课表模板
    schedule = pd.DataFrame(columns=["时间", "课程", "地点"])
    for _, row in df.iterrows():
        if row["field"] == "time":
            time = row["text"]
        elif row["field"] == "course_name":
            course = row["text"]
        elif row["field"] == "location":
            location = row["text"]
            schedule = schedule.append({"时间": time, "课程": course, "地点": location}, ignore_index=True)
    schedule.to_excel("空课表.xlsx", index=False)
    print("课表已导出至空课表.xlsx")
# 完整流程示例
processed_image = preprocess_image("课表.jpg")
access_token = get_access_token(api_key, secret_key)
iocr_result = call_iocr_api(processed_image, template_id, access_token)
parsed_data = parse_iocr_result(iocr_result)
export_to_excel(parsed_data)

五、优化与注意事项

1. 模板训练：确保模板标注覆盖所有课表变体（如横版/竖版）。
2. 错误处理：添加重试机制及异常日志。
3. 性能优化：对大图片分块处理，减少单次请求数据量。
4. 安全性：避免在代码中硬编码密钥，建议通过环境变量或配置文件管理。

六、总结与扩展

本文通过Python调用百度自定义iOCR接口，实现了课表图片的自动化识别与导出。该方法可扩展至其他结构化文本场景（如发票、表单），开发者只需调整模板及解析逻辑即可。掌握此技能后，可进一步探索百度OCR的其他功能（如通用文字识别、表格识别），提升数据处理效率。