GLM-OCR模型实战：清理与识别混乱C盘中的文档图片-编程阁

GLM-OCR模型实战：清理与识别混乱C盘中的文档图片

你是不是也经常遇到这种情况：电脑C盘或者桌面上，堆满了各种截图、扫描件、发票照片，文件名全是“微信图片_20240101_123456.jpg”或者“IMG_0001.png”？想找一张上个月的报销发票，得一张张点开看，费时又费力。

我之前也深受其扰，直到我开始用GLM-OCR模型来帮我“看懂”这些图片。今天，我就来分享一个非常实用的脚本，它能自动扫描你的文件夹，识别图片里的关键信息（比如发票号、文档标题、日期），然后帮你把文件重命名得整整齐齐，甚至分门别类放好。整个过程，就像给你的数字桌面请了个智能管家。

1. 场景与痛点：为什么我们需要智能文档整理？

想象一下这几个日常场景：

报销季：手机拍了一堆发票，一股脑儿丢进电脑，月底对着几十张名字雷同的图片头疼。
资料收集：网上看到有用的图表、文章片段，习惯性截图保存，时间一长，根本记不住每张图是什么。
工作交接：同事发来一堆产品截图或扫描件，文件名毫无信息量，查找特定内容全靠运气。

这些场景的共同痛点在于，信息被锁在了图片里，无法被系统快速检索和利用。手动整理效率极低，尤其是当图片数量成百上千时。我们的目标，就是利用GLM-OCR（光学字符识别）技术，将这些“哑巴”图片变成“会说话”的、可被轻松管理的数字资产。

这个方案的核心价值很简单：省时、省力、杜绝混乱。让你从繁琐的文件管理工作中解放出来。

2. 解决方案设计：让脚本成为你的文件管家

我们的智能整理脚本，思路清晰，分三步走：

扫描与读取：让脚本自动遍历你指定的文件夹（比如那个混乱的“下载”或“桌面”文件夹），找出所有图片文件。
识别与提取：对每一张图片，调用GLM-OCR模型，识别其中的文字。然后，像人一样从中找出最有价值的“关键信息”，比如发票号码、合同编号、文档标题或者日期。
执行与整理：根据提取到的关键信息，自动为图片文件生成一个清晰的新文件名（例如“发票_20240315_No123456.jpg”），或者将它移动到对应的分类文件夹中（例如“发票”文件夹）。

整个流程是自动化的，你只需要运行一次脚本，泡杯咖啡的功夫，混乱的文件夹就焕然一新了。

2.1 为什么选择GLM-OCR？

市面上OCR工具很多，选择GLM-OCR主要基于这几点考虑：

易用性：它提供了清晰的API，集成到Python脚本中非常简单，几行代码就能调用。
准确度：对于常见的打印体、扫描件，甚至一些清晰的手机拍照图片，识别准确率相当不错，足以满足日常文档整理需求。
本地化优势：对中文文档、发票等本土化格式的支持很好，能准确识别中文混合数字、日期等格式。

当然，如果图片质量极差（如严重模糊、倾斜、背景复杂），任何OCR工具都可能出错。不过对于大多数电脑里存储的截图和扫描件，GLM-OCR完全能胜任。

3. 实战步骤：一步步搭建你的整理工具

下面，我们开始动手。请确保你的电脑上已经安装了Python。

3.1 环境准备与依赖安装

首先，打开你的命令行工具，创建一个新的项目文件夹，并安装必要的库。我们主要需要Pillow来处理图片，以及requests来调用GLM-OCR的API（这里假设你使用其API服务，如果使用本地模型，安装方式会略有不同）。

# 创建项目目录并进入 mkdir smart_doc_organizer && cd smart_doc_organizer # 安装必要的Python包 pip install pillow requests

3.2 核心脚本编写

接下来，创建一个名为organize_docs.py的Python文件。我们将把整个逻辑写进去。

import os import re import shutil from datetime import datetime import requests from PIL import Image import json # 配置部分 ============================================ # 1. 指定要整理的文件夹路径（这里以整理桌面为例，你可以改成任何路径） SOURCE_FOLDER = r"C:\Users\YourName\Desktop\待整理图片" # 请替换为你的实际路径 # 2. GLM-OCR API的配置（你需要替换成自己的API密钥和端点） API_KEY = "YOUR_GLM_OCR_API_KEY" # 请替换为你的实际API Key API_URL = "https://your-glm-ocr-api-endpoint.com/v1/ocr" # 请替换为实际的API地址 # 3. 定义关键信息提取规则（使用正则表达式） PATTERNS = { 'invoice_number': r'发票号码[:：]?\s*([A-Za-z0-9]{8,20})', # 匹配发票号码 'date': r'(\d{4}[-年]\d{1,2}[-月]\d{1,2}日?)', # 匹配日期，如2024-03-15 'document_title': r'标题[:：]?\s*(.{10,50})', # 匹配文档标题 } # 函数定义 ============================================ def call_glm_ocr(image_path): """调用GLM-OCR API识别图片中的文字""" try: with open(image_path, 'rb') as img_file: files = {'image': img_file} headers = {'Authorization': f'Bearer {API_KEY}'} response = requests.post(API_URL, files=files, headers=headers, timeout=30) if response.status_code == 200: result = response.json() # 假设API返回的文本在result['text']字段中，请根据实际API响应调整 full_text = result.get('text', '') return full_text else: print(f" 识别失败（HTTP {response.status_code}）: {image_path}") return "" except Exception as e: print(f" 调用API时出错: {e}") return "" def extract_key_info(text): """从识别出的文本中提取关键信息""" info = {} for key, pattern in PATTERNS.items(): match = re.search(pattern, text) if match: info[key] = match.group(1).strip() # 如果没有匹配到特定模式，则取前50个字符作为备选标题 if 'document_title' not in info and text: info['document_title'] = text[:50].replace('\n', ' ').strip() return info def generate_new_filename(info, original_name): """根据提取的信息生成新的文件名""" base_name, ext = os.path.splitext(original_name) parts = [] # 优先使用发票号 if 'invoice_number' in info: parts.append(f"发票_{info['invoice_number']}") # 其次使用文档标题（截取前20字符，避免过长） elif 'document_title' in info: clean_title = re.sub(r'[\\/*?:"<>|]', "_", info['document_title'][:20]) # 移除非法文件名字符 parts.append(clean_title) else: parts.append("文档") # 添加日期信息 if 'date' in info: parts.append(info['date'].replace('年', '-').replace('月', '-').replace('日', '')) else: # 如果没有识别到日期，使用文件修改日期 parts.append(datetime.now().strftime("%Y%m%d")) # 添加原始文件名的一部分以防重名 parts.append(base_name[-4:]) new_name = "_".join(parts) + ext return new_name def organize_folder(folder_path): """主函数：整理指定文件夹""" if not os.path.exists(folder_path): print(f"错误：文件夹不存在 - {folder_path}") return print(f"开始整理文件夹: {folder_path}") supported_ext = ('.png', '.jpg', '.jpeg', '.bmp', '.tiff') for filename in os.listdir(folder_path): file_path = os.path.join(folder_path, filename) # 只处理图片文件 if os.path.isfile(file_path) and filename.lower().endswith(supported_ext): print(f"处理中: {filename}") # 步骤1: OCR识别 ocr_text = call_glm_ocr(file_path) if not ocr_text: print(f" 跳过（未识别到文字）: {filename}") continue # 步骤2: 提取关键信息 key_info = extract_key_info(ocr_text) print(f" 识别到信息: {key_info}") # 步骤3: 生成新文件名并重命名 new_filename = generate_new_filename(key_info, filename) new_filepath = os.path.join(folder_path, new_filename) # 避免覆盖已有文件 counter = 1 while os.path.exists(new_filepath): name_part, ext_part = os.path.splitext(new_filename) new_filepath = os.path.join(folder_path, f"{name_part}_{counter}{ext_part}") counter += 1 os.rename(file_path, new_filepath) print(f" 重命名为: {os.path.basename(new_filepath)}") # （可选）步骤4: 按类型移动到子文件夹 # 例如，如果识别到“发票”，可以移动到“发票”子文件夹 # organize_by_category(new_filepath, key_info) print("整理完成！") # （可选）按类别归档函数 def organize_by_category(file_path, info): """根据识别信息将文件移动到分类文件夹""" category = None if 'invoice_number' in info: category = '发票' elif 'document_title' in info: if any(word in info['document_title'] for word in ['合同', '协议']): category = '合同' elif any(word in info['document_title'] for word in ['报告', '总结']): category = '报告' if category: category_folder = os.path.join(os.path.dirname(file_path), category) os.makedirs(category_folder, exist_ok=True) shutil.move(file_path, os.path.join(category_folder, os.path.basename(file_path))) print(f" 已移动到 [{category}] 文件夹") # 运行主程序 ============================================ if __name__ == "__main__": # 使用前，请务必修改上面的 SOURCE_FOLDER, API_KEY 和 API_URL if API_KEY == "YOUR_GLM_OCR_API_KEY": print("请先在脚本中配置你的GLM-OCR API密钥和地址。") else: organize_folder(SOURCE_FOLDER)

3.3 如何使用这个脚本？

获取API访问权限：你需要注册并获取GLM-OCR服务的API密钥和接口地址，替换脚本中API_KEY和API_URL的值。
修改文件夹路径：将SOURCE_FOLDER变量的值，改成你电脑上那个混乱的、需要整理的文件夹的绝对路径。
调整识别规则：脚本里的PATTERNS字典定义了如何从文本中找关键信息。如果你的发票格式是“No: 123456”，可以修改正则表达式来匹配它。这是让脚本更懂你的关键一步。
运行脚本：在命令行中，进入脚本所在目录，执行python organize_docs.py。
查看结果：脚本会逐张图片处理，并在命令行中打印识别和重命名的过程。处理完成后，你的文件夹里的图片文件名就会变得一目了然。

4. 实际效果与扩展思路

运行脚本后，你会发现原来一堆Screenshot_2024-01-01-12-34-56.png的文件，变成了发票_20240315_No123456.jpg、项目报告_2024Q1_abcd.png这样有意义的名称。找文件再也不用“开盲盒”了。

这个基础脚本已经能解决大部分问题，你还可以根据需求进一步扩展：

内容归档：取消上面代码中organize_by_category函数调用的注释，脚本在重命名后，还能自动把发票、合同等文件移动到对应的子文件夹里。
信息入库：将识别出的文字（如发票号、金额、日期）保存到Excel或数据库里，方便后续统计和查询。
批量处理：结合计划任务，让脚本定期自动清理某个文件夹，实现完全自动化。
处理压缩包：增加解压ZIP或RAR文件的功能，直接整理压缩包内的图片。

5. 总结

用GLM-OCR模型来整理杂乱的文档图片，是一个典型的技术赋能日常工作的例子。它没有什么高深的理论，就是用一个简单的脚本，把OCR能力和你具体的文件管理需求连接起来。

整个过程下来，最大的感受就是“自动化”带来的轻松。第一次配置稍微花点时间，但一劳永逸。以后无论收到多少乱七八糟的图片，运行一下脚本就搞定了。技术的目的就是为了解决问题，提升效率，这个小小的实践正好体现了这一点。

如果你也受困于混乱的文件管理，不妨试试这个思路。从最让你头疼的那个文件夹开始，一步步调整脚本，让它更适合你的文件格式和命名习惯。一旦跑通，你会发现整理文档不再是一件烦心事。

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

GLM-OCR模型实战：清理与识别混乱C盘中的文档图片