腾讯混元怎么写批量处理文件的Python脚本

梦晨同学_8049

梦晨同学_8049

2026-11-17

223人浏览

原创

需先启动混元OCR WebUI服务,再安装requests/tqdm/Pillow,将文件放./input/并命名规范,运行batch_ocr.py调用本地API批量识别;支持并发控制、多场景prompt定制及错误重试。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

腾讯混元怎么写批量处理文件的python脚本

你需要用Python脚本一次性处理几十甚至上百个图片或PDF文件,让腾讯混元OCR自动识别文字、提取字段或翻译内容,而不是手动一张张上传网页版再复制结果。

批量调用混元OCR API的基础准备

第一步:确认本地已启动混元OCR WebUI镜像的API服务。进入镜像工作目录,运行bash 2-API接口-vllm.sh(推荐vLLM后端,批量吞吐更高);看到终端输出Uvicorn running on http://0.0.0.0:8000即表示服务就绪。

第二步:安装必要依赖。执行pip install requests tqdm pillow——【tqdm用于显示进度条,避免脚本静默运行时无法判断是否卡死】。

第三步:准备待处理文件。把所有图片(支持JPG/PNG/PDF)统一放在./input/目录下,确保文件名不含中文或特殊符号(如空格、括号),否则请求可能因URL编码失败而中断。

写一个能跑通的最小批量脚本

新建batch_ocr.py,粘贴以下代码:

import os, requests, json, time
from pathlib import Path
from tqdm import tqdm

API_URL = "http://localhost:8000/ocr"
INPUT_DIR = Path("./input")
OUTPUT_DIR = Path("./output")
OUTPUT_DIR.mkdir(exist_ok=True)

for img_path in tqdm(list(INPUT_DIR.glob("*.*"))):
  if img_path.suffix.lower() not in [".jpg", ".jpeg", ".png", ".pdf"]:
    continue
  try:
    with open(img_path, "rb") as f:
      files = {"image": (img_path.name, f, "application/octet-stream")}
      # 指令式prompt:直接要结构化JSON
      data = {"prompt": "请识别图中所有文字,并按段落结构返回JSON,包含text和bbox字段"}
      r = requests.post(API_URL, files=files, data=data, timeout=120)
      r.raise_for_status()
      result = r.json()
      with open(OUTPUT_DIR / f"{img_path.stem}.json", "w", encoding="utf-8") as out:
        json.dump(result, out, ensure_ascii=False, indent=2)
  except Exception as e:
    print(f"❌ {img_path.name} 处理失败:{e}")

这一步操作起来很简单,直接把文件拖进去就行。注意:PDF文件会被自动转为图像帧处理,单页PDF生成一个JSON,多页PDF会按页拆成多个结果文件。

提升吞吐量:并发请求不卡死

方法一:用ThreadPoolExecutor控制并发数

将上面脚本中的循环部分替换为:

from concurrent.futures import ThreadPoolExecutor, as_completed

def process_one(img_path):
  if img_path.suffix.lower() not in [".jpg", ".jpeg", ".png", ".pdf"]:
    return None
  try:
    with open(img_path, "rb") as f:
      files = {"image": (img_path.name, f, "application/octet-stream")}
      data = {"prompt": "请识别图中所有文字,并按段落结构返回JSON"}
      r = requests.post(API_URL, files=files, data=data, timeout=120)
      r.raise_for_status()
      return img_path, r.json()
  except Exception as e:
    return img_path, f"ERROR: {e}"

all_files = list(INPUT_DIR.glob("*.*"))
with ThreadPoolExecutor(max_workers=3) as executor:
  futures = {executor.submit(process_one, p): p for p in all_files}
  for future in tqdm(as_completed(futures), total=len(all_files)):
    img_path, result = future.result()
    if isinstance(result, dict):
      with open(OUTPUT_DIR / f"{img_path.stem}.json", "w", encoding="utf-8") as out:
        json.dump(result, out, ensure_ascii=False, indent=2)

【max_workers=3是关键,设太高会导致vLLM后端OOM或请求超时,实测3~4最稳】。vLLM虽快,但显存有限,盲目开10线程反而全崩。

按业务需求定制prompt输出格式

方法一:要纯文本,不要JSON结构

Python 环境工具基础版
Python 环境工具基础版

管理 Python 项目环境,支持虚拟环境创建、依赖安装与环境诊断

下载

把data字典里的prompt改成:"请识别图中所有文字,按原始阅读顺序输出纯文本,不加任何解释、不加标点、不换行"。

方法二:专抽发票金额和日期

prompt写成:"请提取这张发票中的开票日期、销售方名称、购买方名称、总金额(含税)四个字段,严格按JSON格式返回,字段名小写,值为字符串"。

方法三:翻译商品图日文为中文

prompt写成:"请识别图中所有日文文字,并逐句翻译成简体中文,保留原文与译文对应关系,输出为JSON数组,每个元素含'jp'和'zh'两个键"。

这三种写法不用改代码,只换prompt就能切换用途。混元OCR的端到端能力决定了它真正吃的是自然语言指令,不是固定模板。

错误重试与日志记录

第一步:在脚本开头添加日志初始化

import logging
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s", handlers=[
  logging.FileHandler("batch_ocr.log", encoding="utf-8"),
  logging.StreamHandler()
])

第二步:在process_one函数里捕获异常后加一句logging.error(f"{img_path.name} 失败: {e}")。

第三步:对返回状态码非200的请求,主动sleep(5)再重试一次——因为vLLM偶尔在高负载下首请求会返回503,重试即可恢复。

第四步:最终脚本运行完,检查batch_ocr.log里是否有ERROR标记,挑出对应文件单独重跑即可。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1931

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5504

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33537

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3927

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程