HandsomeAq/AI-accounting-soft
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix(ocr识别功能修复)

Browse Source 
1、修复了ocr识别的问题，采用以时间为主的识别方式
This commit is contained in:
ni ziyi 2025-12-22 16:31:03 +08:00
parent 2ca71b6982
commit 910fec8e65
1 changed files with 144 additions and 48 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

188
src/main/java/com/accounting/util/OcrAmountParser.java
View File

@ -9,10 +9,7 @@ import java.time.LocalDate;
import java.time.LocalDateTime; import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter; import java.time.format.DateTimeFormatter;
import java.time.format.DateTimeParseException; import java.time.format.DateTimeParseException;
import java.util.ArrayList; import java.util.*;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.regex.Matcher; import java.util.regex.Matcher;
import java.util.regex.Pattern; import java.util.regex.Pattern;
@ -23,8 +20,10 @@ public class OcrAmountParser {
"[¥￥]?\\s*(\\d{1,10}(\\.\\d{1,2})?)\\s*[元]?" "[¥￥]?\\s*(\\d{1,10}(\\.\\d{1,2})?)\\s*[元]?"
); );
// 日期正则表达式：匹配字符串中是否含有月或日
private static final Pattern UNION_DATE_PATTERN = Pattern.compile(".*月.*日.*");
// 日期正则表达式：匹配字符串中是否含有月、日或天
private static final Pattern UNION_DATE_PATTERN = Pattern.compile(".*(今天|昨天).*");
// 日期正则表达式：匹配 12月2日13：14 这样的格式 // 日期正则表达式：匹配 12月2日13：14 这样的格式
@ -32,6 +31,11 @@ public class OcrAmountParser {
"(\\d{1,2})月(\\d{1,2})日\\s*(\\d{1,2})[：:](\\d{1,2})" "(\\d{1,2})月(\\d{1,2})日\\s*(\\d{1,2})[：:](\\d{1,2})"
); );
// 日期正则表达式：匹配 12-11 13:14 这样的格式
private static final Pattern DATE_PATTERN_DASH = Pattern.compile(
"(\\d{1,2})-(\\d{1,2})\\s*(\\d{1,2})[：:](\\d{1,2})"
);
// 商户名称关键词（常见支付平台） // 商户名称关键词（常见支付平台）
private static final String[] MERCHANT_KEYWORDS = { private static final String[] MERCHANT_KEYWORDS = {
"微信支付", "支付宝", "收款", "付款", "商户", "商家", "店铺", "超市", "餐厅", "饭店" "微信支付", "支付宝", "收款", "付款", "商户", "商家", "店铺", "超市", "餐厅", "饭店"
@ -83,7 +87,19 @@ public class OcrAmountParser {
if (dateStr == null || dateStr.trim().isEmpty()) { if (dateStr == null || dateStr.trim().isEmpty()) {
return false; return false;
} }
return UNION_DATE_PATTERN.matcher(dateStr.trim()).matches(); // 匹配今天、昨天
if (UNION_DATE_PATTERN.matcher(dateStr.trim()).matches()){
return true;
}
// 匹配12-11 13:14
if (DATE_PATTERN_DASH.matcher(dateStr.trim()).matches()){
return true;
}
// 匹配12月11日 13:14
if (DATE_PATTERN.matcher(dateStr.trim()).matches()){
return true;
}
return false;
} }
/** /**
@ -123,34 +139,90 @@ public class OcrAmountParser {
/** /**
* 解析日期字符串为LocalDateTime对象 * 解析日期字符串为LocalDateTime对象
* @param dateStr 日期字符串，例如："12月2日13：14" * @param dateStr 解析3中日期字符串，例如："12月2日13：14" "12-11 13:14" "今天 13:14" "昨天 13:14"
* @return LocalDateTime对象 * @return LocalDateTime对象
*/ */
private static LocalDateTime parseDateTimeString(String dateStr) { private static LocalDateTime parseDateTimeString(String dateStr) {
if (dateStr == null || dateStr.trim().isEmpty()) { if (dateStr == null || dateStr.trim().isEmpty()) {
return null; return LocalDateTime.now();
} }
try { //先处理今天、昨天
Matcher matcher = DATE_PATTERN.matcher(dateStr.trim()); if (UNION_DATE_PATTERN.matcher(dateStr.trim()).matches()){
if (matcher.find()) { String trimmedDateStr = dateStr.trim();
int month = Integer.parseInt(matcher.group(1)); LocalDateTime baseDate;
int day = Integer.parseInt(matcher.group(2));
int hour = Integer.parseInt(matcher.group(3));
int minute = Integer.parseInt(matcher.group(4));
// 使用当前年份 if (trimmedDateStr.startsWith("今天")) {
int year = java.time.Year.now().getValue(); baseDate = LocalDateTime.now();
return LocalDateTime.of(year, month, day, hour, minute); } else if (trimmedDateStr.startsWith("昨天")) {
baseDate = LocalDateTime.now().minusDays(1);
} else {
return null;
} }
} catch (Exception e) {
e.printStackTrace(); // 提取时间部分
String timePart = trimmedDateStr.substring(2).trim(); // 去掉"今天"/"昨天"
if (!timePart.isEmpty()) {
String[] timeParts = timePart.split("[：:]");
if (timeParts.length >= 2) {
try {
int hour = Integer.parseInt(timeParts[0]);
int minute = Integer.parseInt(timeParts[1]);
return baseDate.withHour(hour).withMinute(minute).withSecond(0).withNano(0);
} catch (NumberFormatException e) {
// 时间解析失败，返回基础日期
return baseDate;
}
}
}
return baseDate;
} }
//处理 12月2日13：14
if (DATE_PATTERN.matcher(dateStr.trim()).matches()){
try {
Matcher matcher = DATE_PATTERN.matcher(dateStr.trim());
if (matcher.find()) {
int month = Integer.parseInt(matcher.group(1));
int day = Integer.parseInt(matcher.group(2));
int hour = Integer.parseInt(matcher.group(3));
int minute = Integer.parseInt(matcher.group(4));
// 使用当前年份
int year = java.time.Year.now().getValue();
return LocalDateTime.of(year, month, day, hour, minute);
}
} catch (Exception e) {
e.printStackTrace();
}
}
if (DATE_PATTERN_DASH.matcher(dateStr.trim()).matches()){
try {
Matcher matcher = DATE_PATTERN_DASH.matcher(dateStr.trim());
if (matcher.find()) {
int month = Integer.parseInt(matcher.group(1));
int day = Integer.parseInt(matcher.group(2));
int hour = Integer.parseInt(matcher.group(3));
int minute = Integer.parseInt(matcher.group(4));
// 使用当前年份
int year = java.time.Year.now().getValue();
return LocalDateTime.of(year, month, day, hour, minute);
}
} catch (Exception e) {
e.printStackTrace();
}
}
return null; return null;
} }
/** /**
* 解析OCR识别结果，提取金额、商户名称、日期等信息 * 解析OCR识别结果，提取金额、商户名称、日期等信息
* 重构OCR识别结果的处理逻辑，大概思想是先识别时间 时间可能有多种格式 微信的格式为 12-12 13:14 支付宝的格式为 今天 13:14 昨天 13:14
* 其他平台的格式为 12月2日13：14 等等 识别出日期以后 日期之前的3-4个值就可能是此笔支付的其他数据 一般的格式为 [商户/描述] [金额] 可能存在的[分类] [时间]
* 所以在识别出日期后 查看前3-4个值中是否有类似金额的值
*/ */
public static List<ParseResult> parse(String ocrResultJson) { public static List<ParseResult> parse(String ocrResultJson) {
try { try {
@ -164,6 +236,7 @@ public class OcrAmountParser {
JSONObject dataObject = JSON.parseObject(data); JSONObject dataObject = JSON.parseObject(data);
String content = dataObject.getString("content"); String content = dataObject.getString("content");
// String content = "下午2：01 0.3K/s必 5G ra HD ID 4G 10 C 49 D < Q搜索交易记录 搜索 全部 支出 转账 退款 订单筛选 ￥198 ￥3，092.83 ￥0.00 收支分析 设置支出预算> C 五华区皓月千里便利店 -4.20 日用百货 今天 13：30 扫收钱码付款-给快乐 -11.00 餐饮美食 今天 12：22 余额宝-收益发放 0.19 投资理财 今天 04：47 2000406014951497 -20.00 餐饮美食 昨天 22：14 扫收钱码付款-给扫码点单店主 -5.00 公共服务 昨天 21：44 蜜雪冰城920749店 -2.18 餐饮美食 TA ";
String[] split = content.split(" "); String[] split = content.split(" ");
ArrayList<Map<String,String>> signList = new ArrayList<>(); ArrayList<Map<String,String>> signList = new ArrayList<>();
@ -177,36 +250,59 @@ public class OcrAmountParser {
String iPlusTwo = null; String iPlusTwo = null;
String iPlusThree = null; String iPlusThree = null;
if (i + 1 < split.length) { iPlusOne = split[i - 1].trim();
iPlusOne = split[i + 1].trim(); if (i > 1) {
iPlusTwo = split[i - 2].trim();
} }
if (i + 2 < split.length) { if (i > 2) {
iPlusTwo = split[i + 2].trim(); iPlusThree = split[i - 3].trim();
}
if (i + 3 < split.length) {
iPlusThree = split[i + 3].trim();
} }
// 检查当前行是否以+或-开头 // 检查当前行是否符合日期格式
if (currentLine.startsWith("+") || currentLine.startsWith("-")) { if (isValidDate(currentLine)) {
Map<String, String> signMap = new HashMap<>(); Map<String, String> signMap = new HashMap<>();
signMap.put("money", currentLine);
signMap.put("content", previousLine);
// 检查 i+1, i+2, i+3 哪个是日期格式 //判断前三个值是否包含了金额
String dateValue = null;
if (i + 1 < split.length && isValidDate(iPlusOne)) { //plusOne是金额
dateValue = iPlusOne; if (iPlusOne != null && ((iPlusOne.startsWith("+") || iPlusOne.startsWith("-"))
} else if (i + 2 < split.length && isValidDate(iPlusTwo)) { || AMOUNT_PATTERN.matcher(Objects.requireNonNull(iPlusOne).trim()).matches())) {
dateValue = iPlusTwo; if (UNION_DATE_PATTERN.matcher(currentLine).matches()){
} else if (i + 3 < split.length && isValidDate(iPlusThree)) { signMap.put("data", currentLine + split[i+1].trim());
dateValue = iPlusThree; }else {
signMap.put("data", currentLine);
}
signMap.put("money", iPlusOne);
signMap.put("content", iPlusTwo);
signList.add(signMap);
} }
if (dateValue != null) { //plusTwo是金额
signMap.put("date", dateValue); if (iPlusTwo != null && ((iPlusTwo.startsWith("+") || iPlusTwo.startsWith("-"))
|| AMOUNT_PATTERN.matcher(Objects.requireNonNull(iPlusTwo).trim()).matches())) {
if (UNION_DATE_PATTERN.matcher(currentLine).matches()){
signMap.put("data", currentLine + split[i+1].trim());
}else {
signMap.put("data", currentLine);
}
signMap.put("money", iPlusTwo);
signMap.put("content", iPlusThree);
signList.add(signMap);
}
//plusThree是金额
if (iPlusThree != null && ((iPlusThree.startsWith("+") || iPlusThree.startsWith("-"))
|| AMOUNT_PATTERN.matcher(Objects.requireNonNull(iPlusThree).trim()).matches())) {
if (UNION_DATE_PATTERN.matcher(currentLine).matches()){
signMap.put("data", currentLine + split[i+1].trim());
}else {
signMap.put("data", currentLine);
}
signMap.put("money", iPlusThree);
signMap.put("content", split[i - 4].trim());
signList.add(signMap);
} }
signList.add(signMap);
} }
} }
@ -219,10 +315,10 @@ public class OcrAmountParser {
result.setAmount(parseMoneyString(signMap.get("money"))); result.setAmount(parseMoneyString(signMap.get("money")));
} }
if (signMap.containsKey("content")){ if (signMap.containsKey("content")){
result.setMerchant(parseMerchant(signMap.get("content"))); result.setMerchant(signMap.get("content"));
} }
if (signMap.containsKey("date")){ if (signMap.containsKey("data")){
result.setDate(parseDateTimeString(signMap.get("date"))); result.setDate(parseDateTimeString(signMap.get("data")));
} }
parseList.add(result); parseList.add(result);