如何用PHP项目实现票据识别？

本文目录导读：

1. 方案一：调用第三方OCR API（推荐）
2. 方案二：使用Tesseract OCR（开源、免费，但精度较低）
3. 方案三：容器化/微服务架构（进阶）
4. 选型建议
5. 常见问题与优化

使用PHP实现票据识别,通常有两种主流方案：

1. 调用第三方OCR API（推荐，最省力）
2. 集成开源OCR引擎（如Tesseract）

由于PHP本身不具备图像识别能力，方案一（云API） 是绝大多数PHP项目的选择，它识别率高、支持全票种,且不需要自己训练模型。

以下是详细的实现指南：

调用第三方OCR API（推荐）

这是目前最成熟的方案，腾讯、阿里、百度都提供专门针对增值税发票、火车票、出租车票等票据的识别接口。

总体流程

1. 用户上传票据图片（拍照或截图）。
2. 后端PHP脚本接收文件。
3. PHP将图片发送给OCR平台API。
4. 平台返回JSON格式的识别结果（发票号码、金额、日期等）。
5. PHP解析JSON并存入数据库或返回给前端。

代码示例（以百度AI为例）

百度云提供了通用的票据识别API，支持增值税发票、火车票、机票行程单等。

第一步：准备工作

• 去 百度AI官网 创建应用，获取 API Key 和 Secret Key。
• 使用 composer 安装SDK：composer require baidu-aip/php-sdk

第二步：PHP代码实现

<?php
require_once 'vendor/autoload.php';
use AipOcr;
// 1. 配置百度AI应用的常量
const APP_ID = '你的AppID';
const API_KEY = '你的API Key';
const SECRET_KEY = '你的Secret Key';
$client = new AipOcr(APP_ID, API_KEY, SECRET_KEY);
// 2. 接收上传的图片
if ($_FILES['receipt']['error'] == UPLOAD_ERR_OK) {
    $filePath = $_FILES['receipt']['tmp_name'];
    $image = file_get_contents($filePath);
    // 3. 调用接口 - 增值税发票识别
    // 可根据需要换用 accurateBasic（通用文字）、vatInvoice（增值税发票）等
    $result = $client->vatInvoice($image);
    // 4. 处理识别结果
    if (isset($result['words_result'])) {
        $invoiceData = $result['words_result'];
        echo "<pre>";
        echo "发票号码：" . ($invoiceData['InvoiceNum'] ?? 'N/A') . PHP_EOL;
        echo "发票代码：" . ($invoiceData['InvoiceCode'] ?? 'N/A') . PHP_EOL;
        echo "开票日期：" . ($invoiceData['InvoiceDate'] ?? 'N/A') . PHP_EOL;
        echo "合计金额：" . ($invoiceData['TotalAmount'] ?? 'N/A') . PHP_EOL;
        echo "含税金额：" . ($invoiceData['AmountInWords'] ?? 'N/A') . PHP_EOL;
        echo "</pre>";
        // 这里可以将数据存入MySQL数据库
        // insert into invoices(...) values(...);
    } else {
        echo "识别失败：" . print_r($result, true);
    }
}
?>

前端HTML（用于上传）

<form action="process.php" method="post" enctype="multipart/form-data">
    <input type="file" name="receipt" accept="image/*" required>
    <button type="submit">识别票据</button>
</form>

其他云厂商对比

使用Tesseract OCR（开源、免费，但精度较低）

如果你的项目预算有限，且数据量不大（偶尔识别几张字迹清晰的票据）,可以尝试Tesseract。

安装Tesseract

在Linux服务器上安装：

sudo apt-get install tesseract-ocr
sudo apt-get install tesseract-ocr-chi-sim  # 中文语言包

PHP调用（通过 exec 命令）

<?php
$imagePath = '/tmp/receipt.jpg';
$outputPath = '/tmp/output.txt';
// 调用系统命令
exec("tesseract {$imagePath} {$outputPath} -l chi_sim+eng 2>&1", $output, $return_var);
if ($return_var === 0) {
    $result = file_get_contents($outputPath . '.txt');
    echo "识别结果（纯文本，无结构化）：<br><pre>" . htmlspecialchars($result) . "</pre>";
} else {
    echo "识别失败：<br>" . print_r($output, true);
}
?>

缺点：

• 结果未结构化： 返回的是纯文本，需要自己写正则从字符串中提取发票号码、金额、日期。/发票号码[：:](\d+)/。
• 识别率低： 对红色印章、模糊图片、倾斜图片处理能力不如云端API。
• 部署复杂： 服务器需要安装Tesseract及中文语言包,且不能用于虚拟主机等受限环境。

容器化/微服务架构（进阶）

如果你的PHP项目是大型SaaS,对响应速度要求极高：

1. 将图像识别模块独立出来，用Python（PaddleOCR）或Java实现一个微服务。
2. PHP项目通过HTTP（Guzzle HTTP客户端）或消息队列（RabbitMQ）调用这个微服务。
3. 微服务处理完图片后,将结构化的JSON返回给PHP。

选型建议

常见问题与优化

1. 图片太大导致API调用失败？
   对上传的图片进行压缩或缩放（使用 GD 或 Imagick 库），通常1000px宽度足够,文件大小控制在2MB以内。
2. 识别结果乱码（中文不显示）？
   确保PHP脚本和数据库连接使用 UTF-8 编码，调用API时,图片尽量保持JPEG格式。
3. 网络超时？
   使用 guzzlehttp/guzzle 设置合理的超时时间（10-30秒）。
4. 并发限制？
   云API有QPS限制（例如百度免费版2QPS），如果需要大量识别，可以使用消息队列（Redis + queue）进行削峰填谷。

核心要点总结： 不要尝试在PHP内写图像算法。PHP的角色是文件接收、调用API、存储结果，识别部分交给专业的OCR引擎或云服务，这是最稳妥、高效的方法。