购物团截图自动马赛克地址，手机号码

订单截图隐私信息自动脱敏工具

一、工具概述

本工具是基于 Python + OCR 技术开发的电商订单截图隐私自动脱敏工具 ，针对淘宝、京东、拼多多等主流电商平台订单截图，自动识别并对收货地址、手机号码 等敏感信息进行马赛克打码，实现隐私保护。

工具支持单张截图、横向多图拼接、竖向长截图等多种格式，自动分区识别、精准定位打码区域，全程无需人工干预。

二、核心功能

1. 图片加载与识别

支持从网络 URL 批量加载订单截图
自动识别图片尺寸与截图比例
对横向拼接截图自动分区，避免左右区域文字混淆

2. OCR 文字识别与排版还原

使用 Tesseract OCR 识别中文、数字、字母
按文字坐标自动分行、分列，还原截图排版结构
根据字符间距智能判断是否添加空格，提升文本可读性

3. 隐私信息智能识别

（1）手机号码识别

识别 11 位国内手机号
兼容含 */x 等脱敏格式号码
自动过滤订单号、快递单号、金额等干扰数字

（2）收货地址识别

识别包含省、市、区、街道、路、小区、楼栋、单元、门牌号的完整地址
支持单行地址、多行连续地址
自动清洗特殊符号、乱码、空格等干扰内容
采用关键词匹配 + 地理库解析双重校验，降低误判率

（3）干扰信息自动过滤

自动过滤订单关键词：订单、实付、运费、物流、合计、时间、商家等
自动过滤店铺名称：旗舰店、专营店、工厂店、商城等，避免误打码

4. 自动马赛克打码

对识别出的手机号区域自动打码
对识别出的收货地址区域自动打码
打码区域自动外扩留白，确保隐私完全覆盖
横向多图分区精准打码，不跨区、不错位

5. 批量处理与结果输出

支持批量 URL 列表自动处理
处理结果自动保存至 output 目录
控制台实时输出识别日志与打码区域
处理完成后自动预览结果图片

三、适用场景

电商订单截图隐私脱敏
订单截图分享前隐私保护
订单截图批量归档与数据安全处理
横向/竖向拼接订单截图自动脱敏
淘宝、京东、拼多多、抖音电商等多平台订单统一处理

四、处理流程

加载网络图片
图片尺寸与分区判断
OCR 文字识别与坐标提取
文本分行、间距处理
手机号码识别
收货地址识别与过滤
对应区域自动马赛克打码
结果图片保存与预览

五、运行环境

Python 3.8 及以上
依赖库：opencv-python、numpy、pytesseract、pillow、requests、jionlp
需安装 Tesseract-OCR 并配置中文语言包

六、工具特点

全自动处理：无需框选、无需配置，一键批量运行
高识别准确率：双重地址识别规则，降低误判、漏判
多格式兼容：支持单张、横向 2~4 张拼接、竖向长截图
精准打码：基于文字坐标区域打码，不跨区、不漏覆盖
本地安全：所有识别与打码在本地完成，不上传任何数据
易部署使用：代码结构清晰，可直接集成到业务系统

bash 复制代码

#!/usr/bin/env python
#-*- coding: utf-8 -*-
# vim:fenc=utf-8
# @author tlwlmy
# @version 2026-04-07

import cv2
import numpy as np
import pytesseract
import re
import requests
from io import BytesIO
from PIL import Image
from collections import defaultdict
import os
import jionlp as jio

# ===================== 配置 =====================
OCR_LANG = 'chi_sim'
PHONE_REGEX = re.compile(r'(?<!\d)(?:1[3-9]\d{8,9}|.*?[*+x]{4,}.*?)(?!\d)')
NAME_REGEX = re.compile(r'^\s*[\u4e00-\u9fa5]{2,4}\s*$')
EXCLUDE_NAMES = {"收货人","收件人","姓名","收货","地址","订单","买家","卖家"}

# ===================== 安全马赛克 =====================
def mosaic_region(img, y, line_h, x1, x2):
    h, w = img.shape[:2]
    padding = 8
    y1 = max(0, y - padding)
    y2 = min(h, y + line_h + padding)
    roi = img[y1:y2, x1:x2]
    if roi.size <= 0:
        return img
    block = 16
    small = cv2.resize(roi, (block, block), interpolation=cv2.INTER_NEAREST)
    mosaic = cv2.resize(small, (x2-x1, y2-y1), interpolation=cv2.INTER_NEAREST)
    img[y1:y2, x1:x2] = mosaic
    return img

def is_valid_address(address: str) -> bool:
    addr = address.strip()

    ORDER_KEYWORDS = {"订单","买家","卖家","商家","实付","运费","快递","物流","发货","售后","合计","小计", "支付宝", "交易", "时间"}
    for kw in ORDER_KEYWORDS:
        if kw in address:
            return False

    # 过滤掉店面
    SHOP_PATTERN = re.compile(
        r'.*(?:旗舰店|专营店|专卖店|直营店|官方店|生活馆|精品店|百货店|好物店|优品店|严选|商城|超市|铺|小店|工厂店|源头厂|厂家直供|多多|包邮特卖|土特产|批发店|秒杀店|女装店|男装店|美妆店|母婴店|零食店|数码店|家纺店|车品店|文具店|家电店|宠物用品店).*$',
        re.IGNORECASE
    )

    if bool(SHOP_PATTERN.fullmatch(address.strip())):
        return False
    
    # 终极正则：
    # 1. 正向预查：必须包含至少一个地址特征关键字，过滤普通文本
    # 2. 开头必须是2个以上中文（地址都是中文地名开头）
    # 3. 后续允许中文、数字、字母、空格、横杠、括号等常见地址符号

    # 按空格分割，每一段单独匹配
    parts = addr.split()
    pattern = r'^.*[\u4e00-\u9fa5\dA-Za-z]+(省|市|区|县|镇|乡|街道|路|街|巷|弄|里|大道|号楼|单元|室|层|苑|花园|小区|公寓|栋|座|坊|邨|村|社区|组).*$'

    for part in parts:
        part = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', part)

        if len(part) < 6:
            continue

        if re.fullmatch(pattern, part, re.IGNORECASE):
            return True

    return False

# ===================== 地址匹配 =====================
def is_address_line(line_text):
    text = line_text.strip().replace(" ","").replace("(","").replace(")","")
    text = re.sub(r'\d+', '', text)
    if len(text) < 4:
        return False

    ORDER_KEYWORDS = {"订单","买家","卖家","商家","实付","运费","快递","物流","发货","售后","合计","小计", "支付宝", "交易", "时间"}
    for kw in ORDER_KEYWORDS:
        if kw in text:
            return False

    try:
        res = jio.parse_location(line_text)
        has_province = res.get('province') is not None
        has_city = res.get('city') is not None
        has_county = res.get('county') is not None
        has_town = res.get('town') is not None
        has_village = res.get('village') is not None
        return any([has_province, has_city, has_county, has_town, has_village])
    except:
        return False

# ===================== OCR行合并：返回 文本 + y + h + 子图x1x2 =====================
def group_ocr_by_line(data, full_w, full_h, line_height_threshold=20):
    aspect = full_w / full_h
    sub_regions = []

    # 计算横向截图的每个子图区域
    if aspect >= 0.9:
        if aspect < 0.9:
            n = 1
        elif aspect < 1.4:
            n = 2
        elif aspect < 1.95:
            n = 3
        else:
            n = 4
        pw = full_w // n
        for i in range(n):
            x1 = i * pw
            x2 = x1 + pw
            sub_regions.append((x1, x2))
    else:
        sub_regions = [(0, full_w)]

    group = defaultdict(lambda: defaultdict(list))
    line_pos = dict()

    for i, word in enumerate(data["text"]):
        word = word.strip()
        if not word:
            continue
        x = data["left"][i]
        y = data["top"][i]
        h = data["height"][i]
        w = data["width"][i]

        # 行分组
        ly = None
        for cy in line_pos:
            if abs(y - cy) < line_height_threshold:
                ly = cy
                break
        if ly is None:
            ly = y
            line_pos[ly] = (y, h)

        # 子图分组
        sub_idx = 0
        for idx, (sx1, sx2) in enumerate(sub_regions):
            if sx1 <= x < sx2:
                sub_idx = idx
                break

        group[ly][sub_idx].append((x, w, word))
        # group[ly][sub_idx].append(word)

    # 返回：文本, y, h, x1, x2
    # res = []
    # for y in sorted(group):
        # y_pos, h_pos = line_pos[y]
        # sub_dict = group[y]
        # for idx in sorted(sub_dict):
            # line_text = ''.join(sub_dict[idx])
            # x1, x2 = sub_regions[idx]
            # res.append((line_text, y_pos, h_pos, x1, x2))

    # 返回：文本, y, h, x1, x2
    res = []
    for y in sorted(group):
        y_pos, h_pos = line_pos[y]
        sub_dict = group[y]
        sorted_indices = sorted(sub_dict)  # 按x坐标排序

        for idx in sorted_indices:
            words = sorted(sub_dict[idx], key=lambda v: v[0])

            line_text = ""
            prev_x2 = None  # 上一个字符的右坐标
            for x, w, word in words:
                current_x1, current_x2 = sub_regions[idx]

                if prev_x2 is not None:
                    gap = x - prev_x2  # 两个字符之间的空白

                    # 间隔 ≥ 3个字符宽度 → 加1个空格
                    line_text += " " * (gap * len(word) // (w * 2))

                line_text += word
                prev_x2 = x + w

            x1, x2 = sub_regions[idx]
            res.append((line_text, y_pos, h_pos, x1, x2))

    return res

# ===================== 处理单张图片 =====================
def process_one(img_url, save_path):
    resp = requests.get(img_url, timeout=20)
    img = cv2.imdecode(np.frombuffer(resp.content, np.uint8), cv2.IMREAD_COLOR)
    result = img.copy()
    H, W = img.shape[:2]
    print(f"尺寸：{W}x{H}")

    pil = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    data = pytesseract.image_to_data(pil, lang=OCR_LANG, output_type=pytesseract.Output.DICT)
    
    # 直接返回带 x1 x2 的结果
    lines = group_ocr_by_line(data, W, H)

    for idx, (text, y, h, x1_region, x2_region) in enumerate(lines):
        t = text.strip()
        # print(f"区域[{x1_region}-{x2_region}] {t}")

        if PHONE_REGEX.search(t):
            mosaic_region(result, y - 10, h + 20, x1_region, x2_region)
            if idx > 0:
                py, ph = lines[idx-1][1], lines[idx-1][2]
                px1, px2 = lines[idx-1][3], lines[idx-1][4]
                mosaic_region(result, py, ph, px1, px2)
            print(f"区域[{x1_region}-{x2_region}] {t}")
            print(f"  手机号 → 打码")

        elif is_address_line(t) or is_valid_address(t):
            mosaic_region(result, y - 10, h + 20, x1_region, x2_region)
            print(f"区域[{x1_region}-{x2_region}] {t}")
            print(f"  地址 → 打码")

    cv2.imwrite(save_path, result)
    return result

# ===================== 批量处理 =====================
if __name__ == "__main__":
    IMAGE_URLS = [
        # 单张
        "xxx",
        # 横向2张
        "xxx",
        # 竖向2张
        "xxx"
    ]

    os.makedirs("output", exist_ok=True)

    for i, url in enumerate(IMAGE_URLS):
        print(f"\n===== 处理第 {i+1} 张 =====")
        save = f"output/result_{i+1:02d}.png"
        out_img = process_one(url, save)

        cv2.imshow(f"结果 {i+1}", out_img)
        cv2.waitKey(1)
        cv2.destroyAllWindows()

    print("\n✅ 全部处理完成！已保存到 output 文件夹")