自动化神器！Python 批量读取身份证信息写入 Excel

Posted 2021-07-29 程序员野客

今天分享一个实用技能，利用 Python 批量读取身份证信息写入 Excel。

读取

以图片形式的身份证为例，信息读取我们使用百度文字识别OCR来实现，百度接口提供了免费额度，日常使用基本差不多够了，下面来具体看一下如何使用百度文字识别。

SDK 安装

百度云 SDK 提供了 Python、Java 等多种语言的支持，Python 版的 SDK 安装很简单，使用pip install baidu-aip即可，支持 Python 2.7+ & 3.x 版本。

创建应用

创建应用需要一个百度或百度云账号，注册登录地址为：https://login.bce.baidu.com/?redirect=http%3A%2F%2Fcloud.baidu.com%2Fcampaign%2Fcampus-2018%2Findex.html，登录后将鼠标移到登录头像位置，在弹出菜单中点击用户中心，如图所示：

首次进入需选一下相应信息，如图所示：

选完之后点保存即可。

接着将鼠标移到左侧>符号位置，再选人工智能，点击文字识别，如图所示：

点击之后会进到如下所示图中：

现在，我们就可以点击创建应用了，之后进到如下所示图中：

从上图中我们可以看出百度文字识别OCR能够识别的信息类别非常多，也就是说不只是身份证，如果你有其他信息识别的需求也是可以通过它来快速实现的。

这里我们填一下应用名称和应用描述，填完之后点立即创建即可。

创建完成后返回应用列表，如下图所示：

我们需要用到AppID&API Key&Secret Key这三个值，记录一下。

代码实现

代码实现很简单，几行 Python 代码即可搞定，如下所示：

from aip import AipOcr

APP_ID = '自己的APP_ID'
API_KEY = '自己的API_KEY'
SECRET_KEY = '自己的SECRET_KEY'
# 创建客户端对象
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 打开并读取文件内容
fp = open("idcard.jpg", "rb").read()
# res = client.basicGeneral(fp)  # 普通
res = client.basicAccurate(fp)  # 高精度

从上述代码中可以看出识别功能分为普通和高精度两种模式，为了识别率更高，我们这里采用高精度模式。

以如下三张我在网上找的假身份证为例：

因为有多张身份证图片，我们需要写一个方法来进行遍历，代码实现如下：

def findAllFile(base):
    for root, ds, fs in os.walk(base):
        for f in fs:
            yield base + f

通过识别功能获取到的身份证原始信息格式如下：

{'words_result': [{'words': '姓名韦小宝'}, {'words': '性别男民族汉'}, {'words': '出生1654年12月20日'}, {'words': '住址北京市东城区景山前街4号'}, {'words': '紫禁城敬事房'}, {'words': '公民身份证号码11204416541220243X'}], 'log_id': 1411522933129289151, 'words_result_num': 6}

写入

证件信息的写入使用 Pandas 来实现。这里我们还需要先将获取的原始证件信息进行预处理以便写入 Excel 中，我们将证件的姓名…住址分别存放在数组中，处理代码实现如下：

for tex in res["words_result"]:
    row = tex["words"]
    if "姓名" in row:
        names.append(row[2:])
    elif "性别" in row:
        genders.append(row[2:3])
        nations.append(row[5:])
    elif "出生" in row:
        births.append(row[2:])
    elif "住址" in row:
        addr += row[2:]
    elif "公民身份证号码" in row:
        ids.append(row[7:])
    else:
        addr += row

之后就可以很方便的将信息直接写入到 Excel 中了，写入代码实现如下：

df = pd.DataFrame({"姓名": names, "性别": genders, "民族": nations,
                       "出生": births, "住址": address, "身份证号码": ids})
df.to_excel('idcards.xlsx', index=False)

看一下写入效果：

到此，我们就实现了身份证信息的批量读写功能。

源码在公众号Python小二后台回复身份证获取。