sales-report-parser

Extract sales data from report images using OCR with cnocr, parse JSON via MiniMax API, and convert results to Excel spreadsheets.

销售报表图片 OCR 识别与大模型解析工具集

功能

从销售报表图片中提取数据，支持：

• 图片 OCR 文字识别（使用 cnocr）
• 大模型 JSON 解析（支持 MiniMax API）
• JSON 转 Excel 表格

工具

1. OCR 识别

cd /data/sales-report-parser/skills/sales-report-parser/scripts
pip install -r requirements.txt

# 识别图片中的文字
python ocr_images.py --image /path/to/image.jpg

2. 大模型 JSON 生成

python llm_json.py \
  --content "OCR识别结果文本" \
  --prompt "你的提示词" \
  --api_key "你的API密钥" \
  --output result.json

3. JSON 转 Excel

python json_to_excel.py --input result.json --output result.xlsx

4. 批量提取（推荐）

python batch_extract.py \
  --api_key "你的API密钥" \
  --image /path/to/images/ \
  --output my_output

参数说明

ocr_images.py

• --image/-i: 图片路径（必需）

llm_json.py

• --content/-c: 要处理的内容（必需）
• --prompt/-p: 提示词（必需）
• --api_key/-k: API 密钥（必需）
• --output/-o: 输出 JSON 路径（必需）
• --base_url: API 地址（默认 https://api.minimaxi.com/v1）
• --model: 模型名（默认 MiniMax-M2.5）
• --temperature: 温度（默认 1.0）

json_to_excel.py

• --input/-i: 输入 JSON 文件（必需）
• --output/-o: 输出 Excel 文件（必需）
• --sheet/-s: 工作表名（默认 Sheet1）
• --no-transpose: 不转置表格
• --no-sort: 不按日期排序

batch_extract.py

• --api_key/-k: API 密钥（必需）
• --image/-i: 图片或目录（必需）
• --output/-o: 输出文件名（默认 output）
• --base_url: API 地址
• --retries: 重试次数（默认 3）

销售报表字段

日期, 总销售, 产品净销售, 现烤面包, 袋装面包, 软点, 西点, 中点, 蛋糕个数, 蛋糕金额, 卡劵, 交易次数

示例

# 完整流程示例
cd /data/sales-report-parser/skills/sales-report-parser/scripts

# 方式一：一步到位批量处理
python batch_extract.py \
  --api_key "your-api-key" \
  --image ../ \
  --output sales_data

# 方式二：分步骤处理
# 1. OCR 识别
python ocr_images.py --image 1,8.png

# 2. 大模型解析（将 OCR 结果粘贴到 content）
python llm_json.py \
  --content "OCR识别结果" \
  --prompt "提取销售数据..." \
  --api_key "your-api-key" \
  --output data.json

# 3. 转 Excel
python json_to_excel.py --input data.json --output data.xlsx

依赖

cnocr
langchain-openai
langchain-core
pandas
openpyxl
pillow
pydantic