多功能OCR系统：PyQt5、百度AI与SQLite的深度整合

2026年1月4日 互联网

一、系统架构概述

本系统以PyQt5为核心构建图形用户界面（GUI），通过集成主流云服务商的文字识别API实现多场景OCR功能，并采用SQLite轻量级数据库完成识别结果的持久化存储。系统架构分为三层：

  • 表现层：PyQt5负责界面交互与结果展示，支持拖拽上传、实时预览及历史记录查询。
  • 服务层：封装百度AI文字识别API调用逻辑，支持通用文字、身份证、银行卡、驾驶证四类识别模式。
  • 数据层：SQLite数据库存储识别记录，包含时间戳、文件路径、识别结果及分类标签。

该设计兼顾开发效率与运行性能，PyQt5的跨平台特性与SQLite的无服务器配置使其适用于个人电脑及轻量级服务器环境。

二、PyQt5图形界面实现

1. 主窗口设计

主窗口采用QMainWindow框架，包含以下核心组件：

  • 菜单栏：文件操作（打开、保存）、识别模式切换、历史记录管理。
  • 工具栏：快速调用识别功能按钮。
  • 中央区域：左侧为文件上传区（支持拖拽），右侧为识别结果展示区（QTextEdit或QTableWidget）。
  • 状态栏：显示当前操作状态及识别进度。
  1. from PyQt5.QtWidgets import QMainWindow, QVBoxLayout, QHBoxLayout, QLabel, QPushButton, QTextEdit, QFileDialog
  3. class MainWindow(QMainWindow):
  4.     def __init__(self):
  5.         super().__init__()
  6.         self.initUI()
  8.     def initUI(self):
  9.         self.setWindowTitle("多功能OCR识别系统")
  10.         self.setGeometry(100, 100, 800, 600)
  12.         # 中央部件布局
  13.         central_widget = QWidget()
  14.         main_layout = QHBoxLayout()
  16.         # 左侧文件上传区
  17.         left_layout = QVBoxLayout()
  18.         self.file_label = QLabel("拖拽文件至此或点击选择")
  19.         self.upload_btn = QPushButton("选择文件")
  20.         self.upload_btn.clicked.connect(self.open_file_dialog)
  21.         left_layout.addWidget(self.file_label)
  22.         left_layout.addWidget(self.upload_btn)
  24.         # 右侧结果展示区
  25.         right_layout = QVBoxLayout()
  26.         self.result_text = QTextEdit()
  27.         self.result_text.setReadOnly(True)
  28.         right_layout.addWidget(QLabel("识别结果："))
  29.         right_layout.addWidget(self.result_text)
  31.         main_layout.addLayout(left_layout, 1)
  32.         main_layout.addLayout(right_layout, 2)
  33.         central_widget.setLayout(main_layout)
  34.         self.setCentralWidget(central_widget)
  36.     def open_file_dialog(self):
  37.         file_path, _ = QFileDialog.getOpenFileName(self, "选择图片", "", "Images (*.png *.jpg *.bmp)")
  38.         if file_path:
  39.             self.file_label.setText(f"已选择: {file_path}")
  40.             # 调用识别逻辑
  41.             self.recognize_text(file_path)
  43.     def recognize_text(self, file_path):
  44.         # 此处调用百度AI API，后续章节详述
  45.         pass

2. 拖拽功能实现

通过重写dragEnterEvent和dropEvent方法支持文件拖拽上传：

  1. from PyQt5.QtCore import Qt, QMimeData
  3. class DropArea(QLabel):
  4.     def __init__(self, parent):
  5.         super().__init__("拖拽文件至此", parent)
  6.         self.setAlignment(Qt.AlignCenter)
  7.         self.setStyleSheet("""
  8.             QLabel {
  9.                 border: 2px dashed #aaa;
  10.                 padding: 20px;
  11.             }
  12.         """)
  13.         self.setAcceptDrops(True)
  15.     def dragEnterEvent(self, event):
  16.         if event.mimeData().hasUrls():
  17.             event.acceptProposedAction()
  19.     def dropEvent(self, event):
  20.         for url in event.mimeData().urls():
  21.             file_path = url.toLocalFile()
  22.             if file_path.lower().endswith(('.png', '.jpg', '.bmp')):
  23.                 self.setText(f"已选择: {file_path}")
  24.                 # 触发识别逻辑
  25.                 parent = self.parent()
  26.                 if hasattr(parent, 'recognize_text'):
  27.                     parent.recognize_text(file_path)
  28.                 break

三、百度AI文字识别API集成

1. API调用封装

系统封装了百度AI文字识别的四种模式，通过统一接口处理请求与响应：

  1. import requests
  2. import base64
  3. import json
  5. class BaiduOCR:
  6.     def __init__(self, api_key, secret_key):
  7.         self.api_key = api_key
  8.         self.secret_key = secret_key
  9.         self.access_token = self._get_access_token()
  11.     def _get_access_token(self):
  12.         auth_url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.api_key}&client_secret={self.secret_key}"
  13.         response = requests.get(auth_url)
  14.         return response.json().get("access_token")
  16.     def recognize(self, image_path, recognition_type="general"):
  17.         with open(image_path, "rb") as f:
  18.             image_base64 = base64.b64encode(f.read()).decode("utf-8")
  20.         url_map = {
  21.             "general": "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic",
  22.             "id_card": "https://aip.baidubce.com/rest/2.0/ocr/v1/idcard",
  23.             "bank_card": "https://aip.baidubce.com/rest/2.0/ocr/v1/bankcard",
  24.             "driving_license": "https://aip.baidubce.com/rest/2.0/ocr/v1/driving_license"
  25.         }
  27.         url = url_map.get(recognition_type)
  28.         if not url:
  29.             raise ValueError("不支持的识别类型")
  31.         headers = {"Content-Type": "application/x-www-form-urlencoded"}
  32.         params = {"access_token": self.access_token}
  33.         data = {"image": image_base64, "recognize_granularity": "big"}
  35.         response = requests.post(url, params=params, headers=headers, data=data)
  36.         return response.json()

2. 多模式识别实现

  • 通用文字识别：适用于普通文档、截图等场景。
  • 身份证识别：自动区分正面（人像面）与反面（国徽面），提取姓名、身份证号等信息。
  • 银行卡识别：返回卡号、有效期、银行名称。
  • 驾驶证识别：解析证号、姓名、准驾车型、有效期等字段。

调用示例：

  1. ocr = BaiduOCR("your_api_key", "your_secret_key")
  2. result = ocr.recognize("id_card.jpg", "id_card")
  3. print(json.dumps(result, indent=2))

四、SQLite数据持久化

1. 数据库设计

创建records表存储识别历史：

  1. CREATE TABLE IF NOT EXISTS records (
  2.     id INTEGER PRIMARY KEY AUTOINCREMENT,
  3.     timestamp DATETIME DEFAULT CURRENT_TIMESTAMP,
  4.     file_path TEXT NOT NULL,
  5.     recognition_type TEXT NOT NULL,
  6.     result TEXT NOT NULL,
  7.     accuracy REAL
  8. );

2. Python操作示例

使用sqlite3模块实现数据存取：

  1. import sqlite3
  2. from datetime import datetime
  4. class OCRDatabase:
  5.     def __init__(self, db_path="ocr_records.db"):
  6.         self.conn = sqlite3.connect(db_path)
  7.         self._init_db()
  9.     def _init_db(self):
  10.         cursor = self.conn.cursor()
  11.         cursor.execute("""
  12.             CREATE TABLE IF NOT EXISTS records (
  13.                 id INTEGER PRIMARY KEY AUTOINCREMENT,
  14.                 timestamp DATETIME DEFAULT CURRENT_TIMESTAMP,
  15.                 file_path TEXT NOT NULL,
  16.                 recognition_type TEXT NOT NULL,
  17.                 result TEXT NOT NULL,
  18.                 accuracy REAL
  19.             );
  20.         """)
  21.         self.conn.commit()
  23.     def add_record(self, file_path, recognition_type, result, accuracy=None):
  24.         cursor = self.conn.cursor()
  25.         cursor.execute("""
  26.             INSERT INTO records (file_path, recognition_type, result, accuracy)
  27.             VALUES (?, ?, ?, ?)
  28.         """, (file_path, recognition_type, result, accuracy))
  29.         self.conn.commit()
  31.     def get_records(self, recognition_type=None, limit=10):
  32.         cursor = self.conn.cursor()
  33.         if recognition_type:
  34.             cursor.execute("SELECT * FROM records WHERE recognition_type=? ORDER BY timestamp DESC LIMIT ?",
  35.                           (recognition_type, limit))
  36.         else:
  37.             cursor.execute("SELECT * FROM records ORDER BY timestamp DESC LIMIT ?", (limit,))
  38.         return cursor.fetchall()

五、系统优化与扩展建议

  1. 性能优化：

    • 对大图片进行压缩或分块处理，减少API调用耗时。
    • 使用多线程分离UI线程与识别线程，避免界面卡顿。

  2. 功能扩展：

    • 增加批量识别功能，支持多文件同时处理。
    • 添加识别结果导出为Excel或PDF的选项。
    • 实现自动分类存储，按识别类型建立子目录。

  3. 错误处理：

    • 捕获API调用异常（如网络错误、配额超限）。
    • 验证图片格式与大小，提前过滤无效文件。

六、总结

本系统通过整合PyQt5、百度AI文字识别API与SQLite数据库，实现了集多场景识别与数据管理于一体的OCR工具。其优势在于：

  • 用户友好：直观的GUI与拖拽操作降低使用门槛。
  • 功能全面：覆盖主流证件与文档识别需求。
  • 轻量高效：无需部署复杂服务，适合个人及小型团队使用。

开发者可基于此框架进一步扩展功能，如增加更多识别类型或集成其他云服务API，构建更强大的文档处理平台。

最新文章