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