Python批量读取身份证信息录入系统和重命名

前言

大家好，

如果你对自动化处理身份证图片感兴趣，可以尝试以下操作：从身份证图片中快速提取信息，填入表格并提交到网页系统。如果你无法完成这个任务，我们将在“Python自动化办公2.0”课程中详细讲解实现整个过程。

实现过程概述：
模块与功能：

re 模块：用于从 OCR 识别出的文本中提取所需的信息。
日期模块：计算年龄。
pandas：处理和操作表格数据。
PaddleOCR：百度的 OCR 模块，适合中文文本识别。
concurrent.futures：实现并发处理，提高图片识别效率。请注意，CPU 性能较弱时，过多的并发可能导致识别不准确。
SimpleAutomation：封装了 Selenium 操作网页的功能，也可以直接使用 Selenium 实现网页自动化。
装饰器使用：

我们使用装饰器来分离代码逻辑，使代码更加清晰。装饰器可以用于日志记录、异常处理和函数计时等公共功能的重用。
过程安排：

批量处理：我们批量处理身份证图片，通过并发操作加快处理速度。
信息提取：利用 OCR 技术识别身份证中的文本信息，并使用正则表达式提取所需字段。
数据处理：使用 pandas 将提取的信息整理成表格。
信息提交：将处理后的数据填写到网页表单中，并提交。
这个过程涉及多个步骤和技术，代码需要经常编写和调试，以提高编程能

实现最终结果

需要把下面三张身份证，识别的文字，填入到对应下面的Excel 报表中。
并通过https://www.ztloo.com/profile__trashed/card/ 身份证录入页面，进行web自动化填入。

1. 导入所需库

logging: 标准库日志模块，用于记录日志信息。
os: 提供操作系统接口，主要用于文件路径操作。
re: 提供正则表达式支持，用于从文本中提取信息。
shutil: 提供高级文件操作功能，例如文件复制。
time: 提供时间相关功能，如延时。
datetime: 提供日期和时间处理功能。
loguru: 现代化的日志库，用于记录日志信息。
pandas: 提供数据结构和数据分析工具，用于处理和分析数据。
paddleocr: OCR 工具，用于文本识别。
concurrent.futures: 提供并发执行任务的功能。

2. 配置日志记录

设置了日志文件 ocr_task.log，并关闭了 PaddleOCR 的日志输出，以减少冗余日志信息。

3. OCRProcessor 类

3.1 初始化

init: 初始化 PaddleOCR 引擎和数据列表。

3.2 识别文本

recognize_text: 使用 PaddleOCR 对图片进行文本识别，返回识别的文本。

3.3 提取信息

extract_info: 使用正则表达式从识别的文本中提取身份证相关信息，包括姓名、性别、民族、出生日期、住址和身份证号码。

3.4 列出图片

list_images: 列出指定目录中的所有图片文件，支持 .png、.jpg、.jpeg 格式。

3.5 处理图片

process_img: 处理单张图片，进行 OCR 识别，提取信息并将结果记录到 self.data 列表中。

3.6 处理图片目录

process_imgs: 并行处理目录中的所有图片，使用 ThreadPoolExecutor 执行任务，并将处理结果保存在 ocr_results.xlsx 文件中。调用了 add_age_and_sort 方法对数据进行排序和添加年龄列。

3.7 计算年龄

calculate_age: 根据出生日期计算年龄。

3.8 添加年龄并排序

add_age_and_sort: 为数据添加年龄列，并按年龄从小到大排序。使用 pandas 处理数据。

3.9 重命名并保存图片

rename_and_save_images: 根据提取的身份证信息重命名图片，并保存到指定目录中。

3.10 处理和提交

process_and_submit: 执行完整的处理流程，包括初始化自动化工具、批量处理图片、重命名图片、提交信息到系统。使用 SimpleAutomation 进行网页操作，填写身份证系统表单。

3.11 提交信息到系统

write_idcard_system: 将提取的信息填写到身份证系统的表单中，包括姓名、性别、出生日期、地址、身份证号码。选择性别和民族选项，提交表单。

4. 使用示例

在 main 部分，创建了 OCRProcessor 实例，并调用 process_and_submit 方法处理指定目录下的图片并提交信息到系统。