百度OCR增值税专用发票识别需企业实名认证并单独开通权限，接口地址为https://aip.baidubce.com/rest/2.0/ocr/v1/vat_invoice，须用access_token鉴权；图像需预处理（灰度、二值化、倾斜校正），分辨率控制在1000–2000像素宽，优先PNG格式；请求用multipart/form-data传base64，解析时需字段映射、格式清洗与置信度校验。
确认百度OCR发票识别接口的调用方式和权限
百度OCR的增值税专用发票识别（vat_invoice）属于「文字识别」服务中的高权限接口，必须实名认证企业主体、完成「文字识别」服务开通，并单独申请发票类接口权限——个人账号即使有API Key和Secret Key，调用vat_invoice也会返回{"error_code":17,"error_msg":"access denied"}。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 登录百度智能云OCR控制台，进入「应用列表」→「创建应用」，服务类型选「文字识别」，务必勾选「增值税发票识别」；
- 创建后在「接口能力」页确认状态为「已开通」，否则后续所有请求都会 401；
- 接口地址固定为
https://aip.baidubce.com/rest/2.0/ocr/v1/vat_invoice，不是通用OCR地址/general_basic； - 鉴权方式必须用
access_token（通过client_id+client_secret换取），不能直接传API Key。
处理扫描件前先做图像预处理
百度OCR对输入图像质量敏感：模糊、倾斜、反光、低对比度的扫描件会导致error_code:282001（图片质量差）或关键字段（如发票代码、号码、金额）漏识别。批量处理时不能跳过这步。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
cv2做基础矫正：先cv2.cvtColor转灰度，cv2.threshold二值化（推荐cv2.THRESH_OTSU自动阈值），再用cv2.findContours找最大轮廓并cv2.minAreaRect校正倾斜； - 分辨率控制在1000–2000像素宽，过大（如A4扫描300dpi原图）会超百度单图5MB限制，且无识别增益；
- 避免保存为JPEG：压缩伪影易干扰数字识别，优先用
PIL.Image.save(..., format="PNG")； - 每张图单独预处理，不要用统一缩放——不同扫描仪的DPI和裁切差异大，统一处理反而增加误识率。
构造请求时注意字段映射和重试逻辑
百度返回的JSON中，发票字段名和实际业务字段不完全对应：invoice_code是发票代码，invoice_number是发票号码，但amount是价税合计（非不含税金额），total_amount字段并不存在——这些必须在解析层手动映射，不能靠字段名直译。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 请求体必须用
multipart/form-data，image字段传base64字符串（不是文件路径），image_type固定填BASE64； - 每次请求后检查
error_code：0表示成功，110/111是配额超限，282000是图片为空，需针对性sleep+重试（例如error_code==110时time.sleep(1)再试）； - 批量提交别用同步for循环：用
concurrent.futures.ThreadPoolExecutor控制并发数≤3（百度QPS限制严，超了直接封IP）； - 把
request_id和原始文件名记入日志，出错时能快速定位哪张图失败。
解析结果时重点校验关键字段格式
OCR识别结果天然带噪声：发票代码应为12位纯数字，但可能返回"12345678901a"（末位识别成字母）；金额字段含中文逗号或空格（如"1,234.00"或" 567.89 "）。不清洗就入库，后续财务对账会出问题。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 发票代码/号码用
re.sub(r"\D", "", text)去除非数字字符，再校验长度（代码12位、号码8位）； - 金额字段先
strip()，再replace("，", "").replace(",", "")，最后float()转换，捕获ValueError标记异常； - 校验发票日期格式：
re.match(r"^\d{4}年\d{1,2}月\d{1,2}日$", date_text)，不匹配则视为无效； - 对识别置信度低的字段（百度返回
words_result里含probability子字段），probability.average 时打标为「待人工复核」，不自动入库。
发票识别的难点不在调用接口，而在如何让OCR输出稳定适配财务系统要求的结构化字段——预处理、字段清洗、置信度过滤，三者缺一不可。漏掉任一环，批量处理就会变成批量纠错。
