前言车架号OCR识别，即通过图像识别技术自动从图片中检测、定位并识别出车辆上那串由17位字母和数字组成的唯一编码（VIN码，即车辆识别代号）。车架号OCR识别可广泛应用汽车产业链的各个环节，比如：二手车交易与评估: 评估人员手机拍照识别车架号，自动调取车辆出险、维修、过户记录，用于车辆估值、甄别事故车、调表车，替代手动输入 17 位长编码，提升收车效率。汽车保险与理赔: 投保时快速录入车辆信息；出险查勘现场拍照识别VIN码，核验车辆身份，调取车型配置，辅助定损，防范套牌、骗保风险，加快理赔流程。汽车维修与保养: 维修技师通过识别VIN码，可以立刻获取车辆精确的配置信息（如发动机型号、变速箱类型），确保配件适配和维修方案准确。API介绍请求说明名称类型必须说明base64String否图片base64。base64、url、file 三选其一urlString否图片完整url。base64、url、file 三选其一fileFile否图片文件。base64、url、file 三选其一戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "65605503936940344488", // 本次请求号 "data": { "vin": [ // 识别的VIN码，图片有多个VIN码则识别出多个 "LVSFDAAL4AN038996" ], "count": 1 // 图片上识别的VIN码的个数 } }

前言二维码条形码OCR识别，即通过图像识别技术自动识别条形码中的数字编码信息及检测和解析二维码里面存储的文本、网址、编号等数据信息。二维码条形码OCR识别可广泛应用在新零售及商超结算、物流与供应链管理、工业生产与库存盘点等场景，比如：新零售与商超结算: 收银台扫描商品上的EAN-13条形码，快速获取价格和商品信息，实现高效结算。物流与供应链管理: 从包裹入库、分拣到出库，通过扫描运单上的条码实现全程自动化追踪和信息更新，大幅降低人工错误率。工业生产与库存盘点: 用于自动识别零部件或产品上的编码，实现生产流程管控和库存数据的实时同步。API介绍请求说明名称类型必须说明base64String否图片base64。base64、url、file 三选其一urlString否图片完整url。base64、url、file 三选其一fileFile否图片文件。base64、url、file 三选其一戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "55318992410294812098", // 本次请求号 "data": [ { "text": ["SF1688255711970"],//二维码内容 "type": "CODE_128"//二维码类型 } ] }

前言上传机动车登记证书，可智能识别解析证书内多项核心关键字段，输出规整的结构化业务数据。省去人工手动抄录、录入单证信息的繁琐流程，高效完成车辆档案信息的自动化采集，减少人为录入带来的错漏问题，有效提升车务等业务的资料处理与流转效率。核心能力可对机动车登记证书多达15项关键字段做结构化识别，包含证书编号、机动车所有人、登记机关、登记日期、车辆类型、车架号、发动机号、车身颜色、使用性质等内容；支持发证机关印章检测；支持 URL、Base64、文件三种图像上传途径，兼容 JPG、PNG、BMP 主流图片格式。API介绍请求说明名称类型必须说明base64String否照片base64字符串filefile否机动车登记证书照片，文件类型urlString否照片 url注意传入的机动车登记证书图片要包含第一页和第二页的内容file、base64、url 必须提供一个戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "65605503936940344488", // 本次请求号 "data": { "registration_authority": "", "vehicle_model": "", "vehicle_type": "", "registration_num": "HL", "engine_num": "", "number": "", "body_color": "", "registration_date": "PwL", "date_of_production": "", "seating_capacity": "", "date_of_issue": "", "nature_of_use": "", "vin": "", "seal_of_issue_authority": "1", "name_idcard_no": "" } }

阿里云、CSDN：版式文字定位识别-图文文字坐标检测-可定位通用文字识别-含位置信息OCR识别API接口介绍华为云、知乎：高精度图文坐标识别-带坐标通用文字识别-带版式位置文字识别-整图文字位置解析API接口介绍其他：结构化版式 OCR 识别-图文排版文字识别-文字坐标定位识别API接口介绍–以上是标题–前言支持多场景、多语种、高精度识别能力，在常规文字识别基础上，精准输出每行文字的完整识别内容、置信概率、坐标位置以及四点多边形坐标数据，完整还原原图排版布局，方便开发者完成版式还原、内容矫正、图文二次加工等精细化处理。通用文字识别被广泛用于文档电子化、图文解析、智能排版、内容抓取等业务，擅长批量提取图片内有效文字内容。核心能力支持 URL、Base64、文件三类图像上传途径，适配 JPG/PNG/BMP 等通用图片格式；适配文档、海报、截图、实拍图等各类通用场景图文识别，支持多语种内容精准解析；新增文字位置坐标输出能力，补齐普通OCR无法实现版式二次处理的短板；具备高精度文字检测能力，可完整抓取整图全部文本内容；API介绍请求说明名称类型必须说明imageString否图片base64pdfString否PDF文件的base64pdfNumString否需要识别的PDF文件的对应页码，不传默认识别第 1 页ofdString否OFD文件的base64ofdNumString否需要识别的OFD文件的对应页码，不传默认识别第 1 页fileString否文件urlString否文件地址戳这里查看详情返回样例{ "msg": "成功",// code 对应的描述 "code": 200,// 详见code返回码说明 "taskNo": "316942821199035820008485",// 本次请求号 "data": { "resultNum": 2,//识别结果数 "result": [//识别结果 { "words": "测试第一行",//识别结果字符串 "location": {//位置数组（坐标0点为左上角） "top": 72,//表示定位位置的长方形左上顶点的垂直坐标 "left": 89,//表示定位位置的长方形左上顶点的水平坐标 "width": 52,//表示定位位置的长方形的宽度 "height": 12//表示定位位置的长方形的高度 }, "probability": {//表示识别结果中每一行的置信度值 "average": 0.9956096411,//行置信度平均值 "min": 0.9842295051,//行置信度最小值 "variance": 0.00003516419747//行置信度方差 }, "vertexesLocation": [//识别结果中每一行的外包四边形点坐标 { "x": 90,//水平坐标（坐标0点为左上角） "y": 73//垂直坐标（坐标0点为左上角） }, { "x": 142, "y": 73 }, { "x": 142, "y": 85 }, { "x": 90, "y": 85 } ], "finegrainedVertexesLocation": [//识别结果中每一行的多边形轮廓点坐标 { "x": 89, "y": 72 }, { "x": 101, "y": 72 }, { "x": 113, "y": 72 }, { "x": 124, "y": 72 }, { "x": 136, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 78 }, { "x": 141, "y": 84 }, { "x": 130, "y": 84 }, { "x": 118, "y": 84 }, { "x": 106, "y": 84 }, { "x": 95, "y": 84 }, { "x": 89, "y": 84 }, { "x": 89, "y": 78 } ] }, ], "paragraphsResult": [//段落检测结果 { "wordsResultIdx": [//一个段落包含的行序号 0, 1 ], "finegrainedVertexesLocation": [//识别结果中每一行的多边形轮廓点坐标 { "x": 89, "y": 72 }, { "x": 101, "y": 72 }, { "x": 113, "y": 72 }, { "x": 124, "y": 72 }, { "x": 136, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 84 }, { "x": 141, "y": 88 }, { "x": 141, "y": 100 }, { "x": 141, "y": 100 }, { "x": 129, "y": 100 }, { "x": 117, "y": 100 }, { "x": 104, "y": 99 }, { "x": 92, "y": 99 }, { "x": 89, "y": 99 }, { "x": 89, "y": 99 }, { "x": 89, "y": 87 }, { "x": 89, "y": 84 }, { "x": 89, "y": 72 } ] } ], "paragraphsResultNum": 1,//识别结果数，表示 paragraphsResult 的元素个数 "pdfFileSize": 1//传入PDF文件的总页数，当 pdfFile 参数有效时返回该字段 } }

前言快递面单OCR识别，即通过图像识别技术自动识别快递面单中的信息，包括收件人姓名、联系电话、收件地址、寄件人姓名、寄件电话、寄件地址、运单号、快递公司、物品类型、备注信息等。快递面单OCR识别可广泛应用在物流场景中，比如：快递网点分拣录入: 网点扫描拍照面单，自动识别运单号、收件地址，自动匹配分拣流向，替代人工手动录入单号地址，提升分拣效率，减少手工录单错误。驿站 / 快递柜入库出库: 快递驿站、快递柜设备拍摄面单，OCR 识别运单号、手机号，自动完成快递入库登记，生成取件码；取件时再次识别，自动完成出库核销。快递信息电子化存档: 把纸质运单拍照，OCR 识别后结构化存储寄收件信息，做单据归档，方便后期运单查询、售后溯源，减少纸质单据保管压力。API介绍请求说明名称类型必须说明fileFile否户口本照片，file、base64、url 必须提供一个base64String否图像base64字符串urlString否图像 url，长度不超过1024字节，请注意关闭URL防盗链fileFile否图像文件，文件类型base64、file、url 必须提供一个，优先级：base64 > file > url图像最短边至少15px，最长边最大4096px,支持jpg/jpeg/png/bmp格式，图像文件大小不超过2M戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "92525963783875780764", // 本次请求号 "data": { "recipient_addr": "浙江杭州市余杭区仓前街道爱力中心1幢307A室", // 收件地址 "recipient_name": "王先生", // 收件人 "recipient_phone": "15905811522", // 收件人电话 "sender_addr": "上海市嘉定区叶城路1128号裙楼1层", // 发件地址 "sender_name": "李先生", // 发件人 "sender_phone": "021-19975728", // 发件人电话 "waybill_number": "JDVB19328523134-1-1-", // 快递运单号 "bar_code": "JDVB19328523134-1-1-", // 条形码 "three_segment_code": "31-H21BB-31-Y3015" // 三段码 } }

前言护照OCR识别，即通过图像识别技术自动识别护照本中的信息，包括姓名、姓名拼音、性别、出生地点、出生日期、签发地点、签发日期、有效期、签发机关，国籍等。API介绍请求说明名称类型必须说明fileFile否户口本照片，file、base64、url 必须提供一个base64String否护照图片base64urlString否护照图片完整urlfileString否护照图片文件戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "65605503936940344488", // 本次请求号 "data": { "MRZCode1": "", "MRZCode2": "", "护照号码": "", "护照签发地点": "", "签发机关": "", "签发日期": "", "有效期至": "", "国家码": "", "国籍": "", "姓名": "", "姓名拼音": "", "性别": "", "出生地点": "", "生日": "" } }

前言道路运输证OCR识别，即利用图像识别技术，自动识别道路运输证照片上的信息：包括：业户名称、地址、车辆号牌、经营许可证、经济类型、车辆类型、吨座位、车辆规格、经营范围、初领日期、备注、发证日期。可支持识别横版及竖版两种道路运输证。道路运输证OCR识别被广泛用于货运平台运力准入、车队台账管理、营运资质审核。API介绍请求说明名称类型必须说明base64String否base64,url,pdfFile必须提供一个, 图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过8M，最短边至少15px，最长边最大8192px，支持jpg/jpeg/png/bmp格式urlString否base64,url,pdfFile必须提供一个, 图片完整url，url长度不超过1024字节，url对应的图片base64编码后大小不超过8M，最短边至少15px，最长边最大8192px，支持jpg/jpeg/png/bmp格式pdfFileString否base64,url,pdfFile必须提供一个, PDF文件，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过8M，最短边至少15px，最长边最大8192pxpdfFileNumString否需要识别的PDF文件的对应页码，当 pdf_file 参数有效时，识别传入页码的对应页面内容，若不传入，则默认识别第1页戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "65605503936940344488", // 本次请求号 "data": { "车辆号牌": "云F44481", "经济类型": "个体经营", "经营范围": "道路普通货物运输", "车辆类型": "解放CA5240XXYP1K2L7T", "吨座位": "11.8850", "备注": "落户日期:2009-11-18HT2985", "经营许可证": "530402013190", "车辆毫米_高": "3900", "车辆毫米_宽": "2499", "发证日期": "2016年12月26日", "地址": "玉溪市红塔区北城镇龙华苑3幢6号", "车辆毫米_长": "11993", "业户名称": "王金海", "初领日期": "" } }

前言户口本OCR识别，即通过图像识别技术自动识别户口本照片中的信息，包括：户号、姓名、与户主关系、性别、出生地、民族、出生日期、身份证号、本市县其他住址、曾用名、籍贯、宗教信仰、身高、血型、文化程度、婚姻状况、兵役状况、服务处所、职业、何时由何地迁往本市、何时由何地迁往本址、登记日期全部 22个信息。户口本OCR还可以识别户口本内户主页的5个信息，包括：户别、户主姓名、户号、住址、户主页时间。API介绍请求说明名称类型必须说明fileFile否户口本照片，file、base64、url 必须提供一个base64String否户口本照片base64字符串，file、base64、url 必须提供一个urlString否户口本照片 url，file、base64、url 必须提供一个householdSideString否户主或成员页，默认值subpage。subpage：常住人口登记卡 (成员），homepage:户主页戳这里查看详情返回样例{ "code": 200, // 详见code返回码说明 "msg": "成功", // code 对应的描述 "taskNo": "30853523396532582768", // 本次请求号 "data": { "birthAddress": "广东省英德市",//出生地址 "name": "梁小满",//名称 "relationship": "户主",//与户主关系 "cardNo": "4418221980080063171",//身份证号 "sex": "男",//性别 "nation": "汉族",//民族 "belief": "无宗教信仰",//宗教 "career": "农业",//职业 "maritalStatus": "未婚",//婚姻状态 "registerDate": "2009年6月30日",//登记日期 "birthday": "1980年08月03日",//出生日期 "education": "初中",//学历 "hometown": "广东省英德市",//籍贯 "whenWhereToCity": "1980年09月01日出生",//何时由何地迁来本市(县) "whenWhereToHere": "1980年09月01日出生",//何时由何地迁往本址 "householdNum": "",//户号 "formerName": "",//曾用名 "otherAddress": "",//本市（县）其他住址 "height": "",//身高 "bloodType": "",//血型 "veteranStatus": "",//兵役状况 "workAddress": ""//服务处所 } }

前言行驶证OCR识别，即利用图像识别技术，自动提取行驶证照片中的车辆信息，包括：所有人、品牌型号、住址、车牌号、发动机号码、车辆识别代号、注册日期、发证日期。可兼容多种图片格式，准确率可达99%以上。行驶证OCR识别可用于车辆信息快速登记、线上业务材料提交，广泛用于保险、货运平台、租车、车辆管理业务。API介绍请求说明名称类型必须说明fileFile否行驶证照片，file、base64、url 必须提供一个base64String否照片base64字符串，file、base64、url 必须提供一个urlString否照片 url，file、base64、url 必须提供一个sideString否front：正本 back：副本 默认： front正本戳这里查看详情返回样例{ "code": 200,//详见code返回码说明 "msg": "成功",//code对应的描述 "taskNo": "986901198151630094255882",//本次唯一请求号 "data": { "plate_no": "赣**81",//车牌号码 "vehicle_type": "小型轿车",//车辆类型 "owner": "罗*",//所有人 "address": "1西业******元分户",//住址 "model": "长城牌****Q602",//品牌型号 "vin": "LGW****034590",//车辆识别代号 "engine_no": "14***46",//发动机号码 "register_date": "20150104",//注册日期 "issue_date": "20150104",//发证日期 "use_character": "非营运",//使用性质 "issue_by": "北京****公安局",//发证单位 "chip_no": "xxxx",//证芯编号（电子行驶证） "valid_date": "2025年10月",//检验有效期（电子行驶证） "status": "正常",//状态（电子行驶证） "create_time": "2024年04月10日" //生成时间（电子行驶证） } }

前言营业执照OCR识别，是通过图像处理、模式识别等技术自动识别营业执照照片中信息，包括：企业名称、统一社会信用代码、法人、类型、注册地址、注册资本、营业期限、经营范围。可实现根据营业执照照片自动录入企业信息，大幅替代人工录入，提升处理效率，广泛用于商户入驻、招投标、企业资质备案等场景，是实现企业相关业务流程自动化的核心技术之一。API介绍请求说明名称类型必须说明fileFile否营业执照照片，file、base64、url 必须提供一个base64String否照片base64字符串，file、base64、url 必须提供一个urlString否照片 url，file、base64、url 必须提供一个戳这里查看详情返回样例{ "code": 200,//详见code返回码说明 "msg": "成功",//code对应的描述 "taskNo": "986901198151630094255882",//本次唯一请求号 "data": { "legal_person": "胡三",//法定代表人或经营者 "capital": "贰佰万元整",//注册资本 "valid_date": "20620802",//营业期限 "address": "浙江省杭州市西湖区文二路12号",//住所或经营场所 "reg_num": "91430102023653079C",//注册号或社会统一信用代码 "company": "杭州万源责任有限公司",//公司名称 "establish_date": "20120803",//注册日期 "business": "通讯产品研发；通讯设备及配套设备批发；移动电信业务代理服务;电子产品、计算机软件、计算机辅助设备的销售。(依法须经批准的项目，经相关部门批准后方可开展经营活动)",//经营范围 "type": "有限责任公司(自然人投资或控股)" //类型 } }

前言对文本内容进行合规检测，识别广告法违禁词、极限宣传用语、色情低俗、恶意推广、辱骂攻击及低质灌水等违规信息，重点筛查广告营销类##表述，例如：最受欢迎、最后一波、顶级工艺、全网首发、世界领先等，保障内容发布合规安全。运用场景电商商品文案审核适用于电商平台商品标题、详情页描述、营销文案的自动审核，可快速识别并拦截广告法违禁词、极限词、低俗及恶意推广类表述，降低平台合规风险。短视频与直播内容筛查针对短视频脚本、直播口播文案、弹幕及评论内容进行敏感词检测，过滤辱骂、低俗灌水、违规营销话术，保障内容发布安全合规。企业宣传物料文字校验用于品牌海报、宣传软文、线下广告物料、公众号推文等文本审核，识别违规宣传用语，避免因不当表述引发合规问题。API介绍请求参数名称类型必须说明textString是审核的文本详见此处返回示例{ "msg": "成功",// 返回对应的描述 "code": 200,// 返回码，详见返回码说明 "taskNo": "026116187237614523277406",// 本次请求号 "charge": true,// 计费标志 "data": { "resultMsg": "不合规",// result对应的描述 "result": "2",// 审核结果类型，可取值1、2、3、4，分别代表1：合规，2：不合规，3：疑似，4：审核失败 "resultItems": [// 不合规项，合规时不返回，下面为文本“这款面料采用最先进加工工艺，在相关领域填补国内空白”的返回 { "nonComplianceType": 1,// 详见不合规类型 "msg": "存在文本黑名单不合规",// 不合规描述 "hits": [// 命中的词 { "probability": "", // 不合规项置信度，范围：0至1，数字越大，可能性越高 "words": [// 送检文本命中词库的关键词。 "最", "填补国内空白", "最先", "最先进加工工艺", "最先进" ], "modelHitPositions":[//送检文本命中模型的详细信息，包含位置信息及置信度信息。位置信息：命中模型的违规内容在送检原文中的位置（从0开始计算）：“开始位置”、“结束位置”；置信度信息：命中模型对应的置信度分数（范围：0至1，数字越大，可能性越高） [ 0, 6, 0.9998 ] ], "wordHitPositions": [// 送检文本命中词库的详细信息，为Object的列表，keyword、positions、label三个字段。 { "positions": [ [ 6, 6 ] ], "label": "", // 关键词命中的细分标签，详见label字段描述。 "keyword": "最" // 命中的词 }, { "positions": [ [ 6, 7 ] ], "keyword": "最先" }, { "positions": [ [ 6, 8 ] ], "keyword": "最先进" }, { "positions": [ [ 6, 12 ] ], "keyword": "最先进加工工艺" }, { "positions": [ [ 19, 24 ] ], "keyword": "填补国内空白" } ] } ] } ] } }

前言商品条码查询在现代商业和日常生活中有着广泛的用途。比如：商品信息核实与溯源基础信息获取：快速查询商品的名称、品牌、规格、型号、生产厂家等基本信息。真伪鉴别：虽然条码本身容易被复制，但结合官方数据库（如中国物品编码中心）或品牌方的防伪系统，可以辅助判断商品是否为正规渠道产品。部分高级应用会结合“一物一码”技术进行深度溯源。产地查询：通过条码前缀初步判断注册地，或通过详细数据查询具体生产地。零售与库存管理快速结算：在超市、便利店等零售场景，扫描条码是收银结算的标准流程，极大提高了效率并减少人工输入错误。库存管理：企业利用条码系统进行入库、出库、盘点，实时掌握库存动态，优化供应链效率。价格管理：确保货架标签价格与系统结算价格一致，方便进行促销变价管理。消费者决策辅助比价购物：消费者在实体店扫描条码，通过电商平台或比价工具查看该商品在网络上的价格，寻找更优惠的购买渠道。评价参考：查询商品后，直接查看其他用户对该商品的使用评价、评分和避雷指南。成分与安全查询：对于食品、化妆品，通过条码查询详细的成分表、保质期、过敏原信息以及是否有召回记录。如果需要将商品条码查询集成到系统中，那么可以接入商品条码查询API。API介绍根据条码信息，返回此条码对应商品的名称、价格、厂家、图片等资料。能够实现来源可查、去向可追、责任可究，从而有效控制产品质量安全风险，保障消费者权益。极大的降低运营成本，提升数据质量，避免人工出错的可能。请求参数名称类型必须说明codeString是条码（必须是13、14位的纯数字，13位以69开头，14位以0开头）详见此处返回样例{ "code": 200, "msg": "成功", "taskNo": "41020892700032664119", "data": { "code": "6922266457432", // 条形码 "sptmImg": "", // 条码图片 "img": "", // 图片，有效期10天。建议自行下载保存，避免丢失 "goodsType": "", // 商品分类 "trademark": "", // 品牌 "goodsName": "", // 商品名称 "spec": "", // 规格 "note": "", // 备注信息 "price": "", // 参考价格(单位:元) "ycg": "", // 原产地(可能无此参数信息) "manuName": "", // 厂商 "manuAddress": "", // 厂商地址 "qs": "",//生产许可证号 "nw": "",//净重 "description": "",//形态描述 "gw": "",//毛重 "width": "",//宽 "hight": "",//高 "depth": "",//深 "gpc": "",//gpc分类代码 "gpcType": "",//gpc分类名称 "keyword": "",//关键词 "imgList": [] // 条码中心图片列表 } }

发票识别通常结合光学字符识别（OCR）、自然语言处理（NLP）和机器学习技术，将电子图片格式的发票转化为结构化数据。发票识别的作用发票识别核心作用主要体现在以下几个方面：提升财务工作效率自动化录入：传统的人工录入发票信息（如发票代码、号码、日期、金额、税额、购买方/销售方信息等）耗时且容易出错。发票识别可以实现秒级自动提取，将财务人员从繁琐的打字工作中解放出来。批量处理：能够同时处理成百上千张发票，显著缩短月度结账和报销周期。降低错误率与合规风险减少人为失误：人工录入难免出现数字看错、小数点点错或名称输错的情况，机器识别的准确率通常远高于人工（尤其在清晰图像下可达99%以上）。优化业务流程与管理加速报销流程：员工只需拍照或上传电子发票，系统自动填单，审批流转更快，提升员工满意度。数据结构化与分析：将非结构化的图片数据转化为结构化数据（如Excel、数据库记录），便于企业进行多维度的财务分析（如按部门、项目、供应商统计支出），为预算控制和决策提供数据支持。档案电子化：配合电子会计档案政策，实现发票的自动归档、存储和检索，节省物理存储空间，方便审计调阅。支持发票种类增值税发票OCR识别支持对增值税普票、专票、全电发票（新版全国统一电子发票，专票/普票）、卷票、区块链发票的所有字段进行结构化识别，包括发票基本信息、销售方及购买方信息、商品信息、价税信息等字段信息的识别准确率超过 99.9%支持对增值税卷票的 21 个关键字段进行识别，包括发票类型、发票代码、发票号码、机打号码、机器编号、收款人、销售方名称、销售方纳税人识别号、开票日期、购买方名称、购买方纳税人识别号、项目、单价、数量、金额、税额、合计金额(小写)、合计金额(大写)、校验码、省、市 等字段信息的识别准确率可达95%。详见此处医疗发票OCR识别支持识别全国各地门诊/住院发票的业务流水号、发票号、住院号、门诊号、病例号、姓名、性别、社保卡号、金额大/小写、收款单位、省市、医保统筹支付、个人账户支付等关键字段，其中北京/广东/河北/河南/江苏/山东/上海/天津/浙江等地区票据识别效果较佳。支持识别收费项目明细，并可根据不同省市地区返回对应的识别参数。详见此处财务票据OCR识别支持财务场景中13种常见票据的识别，包括增值税发票、卷票、机打发票、定额发票、火车票（含铁路电子客票）、出租车票、网约车行程单、飞机行程单、汽车票、过路过桥费、船票、机动车/二手车销售发票支持多张不同种类票据在同一张图片上的混贴场景，可返回每张票据的种类及票面信息的识别结果详见此处机动车销售发票OCR识别支持对机动车销售发票的26个关键字段进行结构化识别，包括发票代码、发票号码、开票日期、机器编号、购买方名称、购买方身份证号码/组织机构代码、车辆类型、厂牌型号、产地、合格证号、发动机号码、车架号码、价税合计、价税合计小写、销货单位名称、电话、纳税人识别号、账号、地址、开户银行、税率、税额、主管税务机关及代码、不含税价格、限乘人数。详见此处

今天我们就来学习一下，如何用1行代码，自动识别银行卡信息并且自动生成Excel文件~ 第一步：识别一张银行卡识别银行卡的代码最简单，只需要1行腾讯云AI的第三方库potencent的代码，如下所示。左右滑动，查看全部。👇# pip install potencent import potencent # 可以填写本地图片的地址：img_path，也可以填写在线图片的地址：img_url # 如果2个都填，则只用在线图片 res = potencent.ocr.BankCardOCR( img_path=r'C:\Users\程序员晚枫的文件夹\银行卡图片', img_url='https://python-office-1300615378.cos.ap-chongqing.myqcloud.com/2-free-group.jpg', configPath=r'配置文件的信息，可以不填，默认是同级目录下的potencent-config.toml') print(res)识别后的返回结果，几乎涵盖所有银行卡上肉眼可见的内容。👇{ "CardNo": "621700888888888889", "BankInfo": "建设银行(01050000)", "ValidDate": "08/2026", "CardType": "借记卡", "CardName": "龙卡通", "RequestId": "86b70007-3ef5-4b7e-8685-556b0a7df1c9" }支持对中国大陆主流银行卡正反面关键字段的检测与识别，包括卡号、卡类型、卡名字、银行信息、有效期。支持竖排异形卡识别、多角度旋转图片识别。支持对复印件、翻拍件、边框遮挡的银行卡进行告警，可应用于各种银行卡信息有效性校验场景，如金融行业身份认证、第三方支付绑卡等场景。 以上代码中，关于potencent-config.toml的配置方法，可以参考昨天视频的讲解👇第二步：写入Excel想把上面这个代码用来识别大量银行卡信息，并且将识别后的返回数据，全部写入Excel文件。代码如下👇import os from os.path import join import pandas as pd # home_path = "你存放大量银行卡图片的位置" home_path = r"C:\Users\Lenovo\Desktop\temp\test\card" res_df = pd.DataFrame() for (root, dirs, files) in os.walk(home_path): for file in files: single_res = potencent.ocr.BankCardOCR(img_path=join(root, file)) single_res = json.loads(single_res.to_json_string()) line_df = pd.DataFrame(single_res, index=[0]) print(line_df) res_df = res_df.append(other=line_df) print(res_df) res_df.to_excel(r"./银行卡信息（程序员晚枫）.xlsx")运行后的结果如下，会在同级目录下，生成一个Excel文件 第三步：优化思路以上代码还可以进一步优化，例如：路径处理改为Path方法，适配更多的平台变量名称更简洁index改为序号但优化的前提是程序能运行成功，赶紧去跑起来吧~转载自：cid:link_0