#!/usr/bin/env python # -*- coding: utf-8 -*- """ OCR流程运行脚本 ------------- 整合百度OCR和Excel处理功能的便捷脚本 """ import os import sys import argparse import logging import configparser from pathlib import Path from datetime import datetime # 确保logs目录存在 log_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), 'logs') os.makedirs(log_dir, exist_ok=True) # 设置日志文件路径 log_file = os.path.join(log_dir, 'ocr_processor.log') # 配置日志 logger = logging.getLogger('ocr_processor') if not logger.handlers: # 创建文件处理器 file_handler = logging.FileHandler(log_file, encoding='utf-8') file_handler.setLevel(logging.INFO) # 创建控制台处理器 console_handler = logging.StreamHandler(sys.stdout) console_handler.setLevel(logging.INFO) # 设置格式 formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') file_handler.setFormatter(formatter) console_handler.setFormatter(formatter) # 添加处理器到日志器 logger.addHandler(file_handler) logger.addHandler(console_handler) # 设置日志级别 logger.setLevel(logging.INFO) logger.info("OCR处理器初始化") # 标记该日志文件为活跃，避免被清理工具删除 try: # 创建一个标记文件，表示该日志文件正在使用中 active_marker = os.path.join(log_dir, 'ocr_processor.active') with open(active_marker, 'w') as f: f.write(f"Active since: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}") except Exception as e: logger.warning(f"无法创建日志活跃标记: {e}") def parse_args(): """解析命令行参数""" parser = argparse.ArgumentParser(description='OCR流程运行脚本') parser.add_argument('--step', type=int, default=0, help='运行步骤: 1-OCR识别, 2-Excel处理, 0-全部运行 (默认)') parser.add_argument('--config', type=str, default='config.ini', help='配置文件路径') parser.add_argument('--force', action='store_true', help='强制处理所有文件，包括已处理的文件') parser.add_argument('--input', type=str, help='指定输入文件（仅用于单文件处理）') parser.add_argument('--output', type=str, help='指定输出文件（仅用于单文件处理）') return parser.parse_args() def check_env(): """检查配置是否有效""" try: # 尝试读取配置文件 config = configparser.ConfigParser() if not config.read('config.ini', encoding='utf-8'): logger.warning("未找到配置文件config.ini或文件为空") return # 检查API密钥是否已配置 if not config.has_section('API'): logger.warning("配置文件中缺少[API]部分") return api_key = config.get('API', 'api_key', fallback='') secret_key = config.get('API', 'secret_key', fallback='') if not api_key or not secret_key: logger.warning("API密钥未设置或为空，请在config.ini中配置API密钥") except Exception as e: logger.error(f"检查配置时出错: {e}") def run_ocr(args): """运行OCR识别过程""" logger.info("开始OCR识别过程...") # 导入模块 try: from baidu_table_ocr import OCRProcessor, ConfigManager # 创建配置管理器 config_manager = ConfigManager(args.config) # 创建处理器 processor = OCRProcessor(config_manager) # 检查输入目录中是否有图片 input_files = processor.get_unprocessed_images() if not input_files and not args.input: logger.warning(f"在{processor.input_folder}目录中没有找到未处理的图片文件") return False # 单文件处理或批量处理 if args.input: if not os.path.exists(args.input): logger.error(f"输入文件不存在: {args.input}") return False logger.info(f"处理单个文件: {args.input}") output_file = processor.process_image(args.input) if output_file: logger.info(f"OCR识别成功，输出文件: {output_file}") return True else: logger.error("OCR识别失败") return False else: # 批量处理 batch_size = processor.batch_size max_workers = processor.max_workers # 如果需要强制处理，先设置skip_existing为False if args.force: processor.skip_existing = False logger.info(f"批量处理文件，批量大小: {batch_size}, 最大线程数: {max_workers}") total, success = processor.process_images_batch( batch_size=batch_size, max_workers=max_workers ) logger.info(f"OCR识别完成，总计处理: {total}，成功: {success}") return success > 0 except ImportError as e: logger.error(f"导入OCR模块失败: {e}") return False except Exception as e: logger.error(f"OCR识别过程出错: {e}") return False def run_excel_processing(args): """运行Excel处理过程""" logger.info("开始Excel处理过程...") # 导入模块 try: from excel_processor_step2 import ExcelProcessorStep2 # 创建处理器 processor = ExcelProcessorStep2() # 单文件处理或批量处理 if args.input: if not os.path.exists(args.input): logger.error(f"输入文件不存在: {args.input}") return False logger.info(f"处理单个Excel文件: {args.input}") result = processor.process_specific_file(args.input) if result: logger.info(f"Excel处理成功") return True else: logger.error("Excel处理失败，请查看日志了解详细信息") return False else: # 检查output目录中最新的Excel文件 latest_file = processor.get_latest_excel() if not latest_file: logger.error("未找到可处理的Excel文件，无法进行处理") return False # 处理最新的Excel文件 logger.info(f"处理最新的Excel文件: {latest_file}") result = processor.process_latest_file() if result: logger.info("Excel处理成功") return True else: logger.error("Excel处理失败，请查看日志了解详细信息") return False except ImportError as e: logger.error(f"导入Excel处理模块失败: {e}") return False except Exception as e: logger.error(f"Excel处理过程出错: {e}") return False def main(): """主函数""" # 解析命令行参数 args = parse_args() # 检查环境变量 check_env() # 根据步骤运行相应的处理 ocr_success = False if args.step == 0 or args.step == 1: ocr_success = run_ocr(args) if not ocr_success: if args.step == 1: logger.error("OCR识别失败，请检查input目录是否有图片或检查API配置") sys.exit(1) else: logger.warning("OCR识别未处理任何文件，跳过Excel处理步骤") return else: # 如果只运行第二步，假设OCR已成功完成 ocr_success = True # 只有当OCR成功或只运行第二步时才执行Excel处理 if ocr_success and (args.step == 0 or args.step == 2): excel_result = run_excel_processing(args) if not excel_result and args.step == 2: logger.error("Excel处理失败") sys.exit(1) logger.info("处理完成") if __name__ == "__main__": main()