OCR图片空运价格提取
适用场景
用户提供空运价格图片（微信截图、报价单照片等），需要提取为24列标准Excel格式。
工具链
- OCR引擎：
rapidocr-onnxruntime - Python路径：
/c/Users/Administrator/AppData/Local/Microsoft/WindowsApps/python3.12.exe（系统Python 3.12，非managed Python） - 输出引擎：
pandas + openpyxl
OCR统一导入
推荐使用 ~/.workbuddy/skills/ocr_utils.py 统一OCR模块，跨平台一致。
工作流程
步骤1：复制图片到项目目录
cp "<微信临时路径>" "E:/FCI-RATE/0709_price_source_XXX.png"
步骤2：OCR识别（含坐标）
from rapidocr_onnxruntime import RapidOCR
engine = RapidOCR()
result, elapse = engine('图片路径')
# result: [bbox, text, confidence]
# bbox = [[x1,y1],[x2,y2],[x3,y3],[x4,y4]]
步骤3：表格结构还原
按Y坐标分组（15px容差）→ 组内按X排序 → 得到行列结构：
sorted_results = sorted(result, key=lambda x: (round(x[0][0][1]/15), x[0][0][0]))
# 按Y分组，每组内按X排序
步骤4：人工确认数据
OCR可能误识别，需人工核对：
- 价格数字（小数点、位数）
- 比重标签（全角/半角冒号混用：1： vs 1:）
- 中文词汇（"以下"/"以上"/"托盘"/"散货"/"重货"）
- 备注文本（可能被截断跨行）
步骤5：硬编码生成Excel
在 .workbuddy/tools/extract_<航司>_<目的港>.py 中硬编码确认后的数据。
24列标准格式
起始港|目的港|航司|开始比重|结束比重|货型|45KG|100KG|300KG|500KG|1000KG|散托类型|开始生效日期|分泡|频次|Remark|跳转点|转运点|转运费增量值(RMB/KG)|转运费最低收费（/票）|备注|来源|价格编号|散托增量
提取规则
全局规则
- 频次为空时默认填"Daily"：频次列如果为空则填入 Daily（0727全局规则）
- 分泡列不提取：分泡列始终留空，不提取任何分泡数据（0720全局规则）
货型字段
- 去掉所有中文：
1:100以下→1:100，1:150以上→1:150，1:167托盘→1:167，1:400重货→1:400 - 统一半角冒号：
1：80→1:80
比重区间（链式推导）
- 首行 start=0
- 每行 end = 下一行的比重阈值
- 末行 end=9999
- "以下"行：end=当前阈值，start=0（或上一行end）
- "以上"行：start=当前阈值，end=下一行阈值
散货/托盘处理
- 同一比重行含散货价和托盘价 → 拆为两行（散货一行，托盘一行）
- 货型标签含"托盘"→散托类型=托盘
- 货型标签含"散货"→散托类型=散货
- 货型标签含"重货"或无标注→散托类型=散货/托盘
- 散托增量有值时，散托类型统一改为"散货"
价格处理
- "单询"→不提取（价格留空None）
- 全空价格行（45K-1000K都为空）→不提取
- 只有45K有值，其他为单询→提取（45K有值即可）
目的港/生效日期识别
- 从OCR文本中查找三字代码（如FRA、AMS、LAX等）
- 从"X月X号"或"X/X起"格式提取生效日期
- 示例："FRA7/12起2吨以上请单询"→目的港=FRA，生效日期=2026-07-12
输出顺序
- 按源文件图片中的行顺序输出，不排序（便于人工核对）
脚本模板
# 配置
ORIGIN = "PVG"
DEST = "<目的港>"
CARRIER = "<航司>"
SOURCE = "<来源>"
PRICE_ID = "<价格编号>"
EFF_DATE = "<生效日期>"
FREQ = "DAILY"
# raw_data: (start_w, end_w, cargo_type, p45, p100, p300, p500, p1000, san_type, remark, san_inc)
raw_data = [
# 每行按OCR确认的数据硬编码
]
# 过滤全空价格行
# 散托增量有值→散托类型改为散货
# 散托类型默认→散货/托盘
# 输出到 0701/ 目录
已完成案例
| 案例 | 航司 | 路线 | 行数 | 价格编号 | 日期 |
|---|---|---|---|---|---|
| CZ/CA/CK-AMS | CZ/CA/CK | PVG→AMS | 14 | CZ_CA_CK_001 | 2026-07-11 |
| CZ/CA/CK-FRA | CZ/CA/CK | PVG→FRA | 16 | CZ_CA_CK_002 | 2026-07-12 |
| MU-EZE | MU | PVG→AKL→EZE | 8 | MU-EZE_001 | 2026-04-06 |
常见OCR陷阱
- 全角冒号：
1：常被识别，需统一为半角1: - 跨行文本：备注可能被OCR拆成两行（如"FRA7/12起2吨以"+"上请单询"），需合并
- 价格偏移：某些价格可能被识别到相邻列的位置，需对照X坐标确认所属列
- 数字混淆：
0和O、1和l、5和S等，需结合上下文判断 - 散货/托盘混合行：如"散货20（8CB以内19)"+"托24（500KG以内23）"在同一行，需拆为两行输出
