Python实现仲裁档案自动归档与重命名实操指南

发布时间: 2026年09月07日 16:40:03 来源: 安答联动浏览量: 0

环境准备与依赖安装

在开始编写仲裁档案整理脚本之前，必须先配置好Python运行环境。仲裁档案通常包含大量扫描件和PDF，因此我们需要依赖OCR技术来识别文件中的案号信息，从而实现自动分类。本指南基于Python 3.8+版本开发，核心库使用PaddleOCR，因为它对中文识别率极高且免费。

安装Python环境

如果尚未安装Python，请直接访问Python官网下载Windows安装包。下载地址如下：

https://www.python.org/downloads/release/python-31011/

下载时务必勾选"Add Python to PATH"选项，这能避免后续在命令行中无法识别python命令的问题。安装完成后，在CMD中输入python --version，若显示版本号则安装成功。

安装核心依赖库

打开命令行工具（CMD或PowerShell），依次执行以下命令安装必要的第三方库。这些库分别用于OCR识别、图像处理和系统文件操作。

安装PaddlePaddle（OCR深度学习框架）：
pip install paddlepaddle
安装PaddleOCR（识别模型）：
pip install paddleocr
安装Shutil（Python内置，无需安装，用于文件移动）

注意：首次运行PaddleOCR时，程序会自动下载约几十MB的轻量级模型文件到本地目录，请保持网络畅通。

档案整理逻辑设计

仲裁档案整理的核心痛点在于文件名混乱（如"扫描001.pdf"、"IMG_2023.jpg"）以及文件夹结构无序。我们的技术方案是：利用OCR自动识别文件首页的"案号"信息，依据案号创建标准化目录，并将文件重命名后归档。

定义标准目录结构

为了便于检索，我们将建立如下三级目录结构。整理后的文件将按照"年份-仲裁委简称-案号"进行归类。

一级目录：仲裁档案库（根目录）
二级目录：2023年（从案号中提取年份）
三级目录：北仲2023字第1234号（具体案号文件夹）
文件名：申请书_北仲2023字第1234号_原始名.pdf

案号提取规则

仲裁案号通常具有固定格式，例如"(2023)京仲字第0012号"或"沪仲(2023)第0056号"。我们需要编写正则表达式来从OCR识别的文本中精准抓取这些关键信息。为了提高准确率，我们将编写一个兼容多种常见格式的正则匹配函数。

编写自动化整理脚本

新建一个名为arbitration_organizer.py的文件，将以下代码完整复制进去。该脚本包含了OCR初始化、案号正则提取、目录创建及文件移动的全部逻辑。

完整代码实现

以下代码实现了单文件处理逻辑，支持JPG、PNG和PDF格式。对于PDF，脚本会自动将其转换为图片进行OCR识别（需额外安装poppler，此处为简化流程，建议先处理图片或确保PDF已转为图片，代码中主要演示图片处理逻辑，这是最通用的场景）。

```python import os import shutil import re from paddleocr import PaddleOCR 初始化OCR模型，使用方向分类器，提高识别准确率第一次运行会自动下载模型，请耐心等待 ocr = PaddleOCR(use_angle_cls=True, lang="ch") def extract_case_number(text): """ 使用正则表达式从OCR识别的文本中提取案号支持格式：(2023)京仲字第0012号、北仲(2023)第56号等 """ 定义多种可能的案号正则模式 patterns = [ r'\(\d{4}\).?第\d+号', 匹配 (2023)京仲字第0012号 r'.?\(\d{4}\).?\d+号', 匹配北仲(2023)第56号 r'\d{4}.?第\d+号' 匹配 2023年某仲字第001号 ] for pattern in patterns: match = re.search(pattern, text) if match: case_num = match.group() 清理可能存在的空格或全角字符 case_num = case_num.replace(' ', '').replace('（', '(').replace('）', ')') return case_num return None def get_year_from_case(case_num): """ 从案号中提取年份，用于创建二级目录 """ year_match = re.search(r'\d{4}', case_num) if year_match: return year_match.group() return "未知年份" def organize_file(file_path, target_root_dir): """ 核心处理函数：识别案号、创建目录、移动文件 """ print(f"正在处理文件: {file_path}") 1. OCR识别 try: result = ocr.ocr(file_path, cls=True) if not result or not result[0]: print(f" [警告] 无法识别文件内容，跳过: {os.path.basename(file_path)}") return 将识别结果拼接为纯文本 ocr_text_list = [line[1][0] for line in result[0]] full_text = "".join(ocr_text_list) 2. 提取案号 case_number = extract_case_number(full_text) if not case_number: print(f" [警告] 未在文件中检测到标准案号，跳过: {os.path.basename(file_path)}") return print(f" [成功] 识别到案号: {case_number}") 3. 构建目标目录路径 year = get_year_from_case(case_number) 规范化案号作为文件夹名，去除特殊符号以防路径错误 safe_folder_name = re.sub(r'[\\/?:"<>|]', "", case_number) target_dir = os.path.join(target_root_dir, year, safe_folder_name) 4. 创建目录 if not os.path.exists(target_dir): os.makedirs(target_dir) print(f" [操作] 创建目录: {target_dir}") 5. 重命名并移动文件 file_ext = os.path.splitext(file_path)[1] original_name = os.path.splitext(os.path.basename(file_path))[0] new_filename = f"{original_name}_{case_number}{file_ext}" target_file_path = os.path.join(target_dir, new_filename) 处理重名文件 counter = 1 while os.path.exists(target_file_path): new_filename = f"{original_name}_{case_number}_{counter}{file_ext}" target_file_path = os.path.join(target_dir, new_filename) counter += 1 shutil.move(file_path, target_file_path) print(f" [完成] 文件已归档至: {target_file_path}") except Exception as e: print(f" [错误] 处理文件 {file_path} 时发生异常: {str(e)}") def batch_process(source_dir, target_root_dir): """ 批量处理指定目录下的所有文件 """ 支持的图片格式 valid_extensions = ['.jpg', '.jpeg', '.png', '.bmp', '.pdf'] files = [f for f in os.listdir(source_dir) if os.path.splitext(f)[1].lower() in valid_extensions] if not files: print("当前目录下没有支持的文件格式。") return print(f"扫描到 {len(files)} 个文件，开始处理...") for filename in files: file_path = os.path.join(source_dir, filename) organize_file(file_path, target_root_dir) if __name__ == "__main__": 配置源目录和目标目录请将下面的路径修改为你电脑上的实际路径 source_directory = r"C:\Users\Admin\Desktop\待整理仲裁档案" target_directory = r"D:\仲裁档案库" batch_process(source_directory, target_directory) ```