信息提取与整理 Skill

概述

本Skill用于从图片（截图）中自动提取客户信息，包括：

• 左上角的企业或个人名称（客户名称）
• 客户信息下方的CID编号
• UIN列表后的数字

提取的信息会自动整理到Excel表格中，包含：客户名称、CID、UIN列表、释放原因、释放时间。

核心特性：

• ✅ 全自动流程：接收图片 → 保存到桌面 → 识别信息 → 填入Excel → 删除临时图片
• ✅ 自动按月份命名Excel文件：电销通路释放名单YYYYMM.xlsx
• ✅ 自动保存到桌面
• ✅ 重复客户检测：通过CID或UIN判断，避免重复录入
• ✅ 自动合并：新识别的内容追加到已有文件
• ✅ 批量处理：支持一次处理多张图片
• ✅ 自动清理：处理完成后删除桌面临时图片

使用场景

• 处理客户信息截图，提取关键字段
• 批量整理客户释放记录
• 将图片中的结构化信息转为Excel报表
• 电销通路客户释放名单管理

前置依赖

使用本Skill前，确保系统已安装以下Python包：

pip install pytesseract Pillow openpyxl

同时需要安装Tesseract-OCR引擎：

• Windows: 下载安装包 https://github.com/UB-Mannheim/tesseract/wiki
• macOS: brew install tesseract tesseract-lang（需安装中文语言包）
• Linux: sudo apt-get install tesseract-ocr tesseract-ocr-chi-sim

工作流程

单张图片处理

1. 接收用户提供的图片路径和释放原因
2. 使用OCR识别图片中的文本
3. 提取客户名称、CID、UIN
4. 检查是否重复（通过CID或UIN判断）
5. 如果是新客户，追加到Excel文件
6. 如果是重复客户，提示已录入并跳过

批量图片处理

1. 接收多张图片及其对应的释放原因
2. 依次处理每张图片
3. 自动过滤已录入的重复客户
4. 将新数据汇总到同一个Excel文件

使用方法

方式一：全自动处理（推荐）

直接发送图片给我，我会自动完成：

1. 保存图片到桌面临时文件夹
2. 识别客户信息（客户名称、CID、UIN）
3. 填入Excel（自动去重）
4. 删除临时图片

你只需发送： 图片 + 释放原因

示例：

@image 释放原因：无收入，无法联系

方式二：自动处理文件夹

将图片放入 C:UsersliyangDesktop新建文件夹，然后运行：

python scripts/auto_process.py "释放原因"

系统会自动：

1. 读取文件夹中的所有图片
2. 识别客户信息
3. 录入到Excel（自动去重）

方式二：命令行调用

单张图片（自动命名）：

python scripts/extract_info.py "图片路径.png" "释放原因"
# 输出: 桌面/电销通路释放名单202604.xlsx

单张图片（自定义路径）：

python scripts/extract_info.py "图片路径.png" "释放原因" "自定义.xlsx"

批量处理（自动命名）：

python scripts/batch_extract.py "图片1.png" "原因1" "图片2.png" "原因2"

批量处理（自定义Excel）：

python scripts/batch_extract.py "自定义.xlsx" "图片1.png" "原因1" "图片2.png" "原因2"

Python API调用

from scripts.extract_info import process_image, get_excel_filename

# 使用自动生成的文件名
excel_path = get_excel_filename()  # 桌面/电销通路释放名单202604.xlsx

result, error = process_image(
    image_path="path/to/image.png",
    release_reason="客户主动释放",
    excel_path=excel_path
)

if result:
    print(f"成功录入: {result['extracted_data']}")
else:
    print(f"处理失败: {error}")  # 可能提示"该客户信息已经录入"

文件命名规则

Excel文件自动命名为：

电销通路释放名单YYYYMM.xlsx

• 存储位置：电脑桌面
• 示例：电销通路释放名单202604.xlsx（2026年4月）
• 同月数据自动合并到同一文件

重复检测机制

检测逻辑

• 通过 CID 判断：如果CID已存在，视为重复
• 通过 UIN 判断：如果UIN已存在，视为重复
• CID或UIN任一匹配，即视为同一客户（即使释放原因不同，也不再重复录入）
• 不依赖释放原因判断重复性

处理结果

• 新客户：正常录入Excel，返回成功
• 重复客户：提示"该客户信息已经录入"，跳过不重复录入

示例提示

⚠ 跳过: CID 'CID12345' 已存在（客户：示例公司）
⚠ 跳过: UIN '987654321' 已存在（客户：测试企业）

提取规则说明

客户名称提取

• 优先匹配：识别"客户名称"字段后的内容
• 备选方案：取图片左上角前3行中非空的文本
• 自动过滤包含"CID"、"UIN"、"客户"、"信息"、"列表"等关键词的行
• 示例：遐想电子商务(深圳)有限公司

CID提取

• 支持多种格式：CID:xxx、CID：xxx、CID xxx
• 优先匹配32位十六进制字符串（如：4fd06258fda3364b0ecaef4182f7d9e4）
• 支持字母数字组合（含连字符和下划线）
• 示例：CID: 4fd06258fda3364b0ecaef4182f7d9e4 → 4fd06258fda3364b0ecaef4182f7d9e4

UIN提取

• 支持格式：UIN列表:xxx、UIN列表 : xxx（支持空格）、UIN:xxx
• 优先匹配12位数字（如：100040402456）
• 如果未找到明确标记，搜索UIN关键词附近的数字
• 示例：UIN列表 : 100040402456 → 100040402456

释放时间

• 自动使用当前系统时间
• 格式：YYYY-MM-DD HH:MM:SS

Excel输出格式

• 表头自动加粗居中
• 列宽根据内容自动调整
• 支持追加写入已有Excel文件

脚本说明

scripts/extract_info.py

主要提取脚本，包含以下函数：

• get_desktop_path(): 获取桌面路径
• get_excel_filename(): 生成月度Excel文件名
• extract_text_from_image(): OCR文本识别
• extract_customer_name(): 提取客户名称
• extract_cid(): 提取CID
• extract_uin_list(): 提取UIN
• check_duplicate(): 检查客户是否已存在
• create_or_update_excel(): 创建/更新Excel
• process_image(): 主处理函数

scripts/batch_extract.py

批量处理脚本，支持一次处理多张图片，自动汇总处理结果。

注意事项

1. 图片清晰度会影响OCR识别准确率
2. 中文识别需要安装tesseract的中文语言包
3. 如果提取结果不准确，可以调整正则表达式模式
4. Excel文件自动保存到桌面，按月份命名
5. 重复客户会自动跳过，不会重复录入

故障排除

OCR识别失败

• 检查Tesseract是否正确安装
• 确认中文语言包已安装（chi_sim）
• 尝试提高图片清晰度

提取字段为空

• 检查图片中是否包含目标信息
• 查看原始OCR文本：result['raw_text']
• 根据实际格式调整正则表达式

Excel文件损坏

• 确保文件未被其他程序占用
• 检查文件路径是否有写入权限

重复检测不生效

• 确认Excel文件没有被手动修改CID/UIN格式
• 检查CID/UIN前后是否有空格