身份证OCR识别API接入指南（Python与Java实现）

周叙

发布时间：2026-10-11 | 4人浏览过

原创

针对实名认证、金融开户及政务录入等场景中的手工核验痛点，本文详细演示如何通过身份证OCR识别API实现信息自动化提取。内容涵盖接口请求参数、返回结构规范，并提供Python与Java的完整调用代码。开发者可参考流程图与实例效果快速完成接入，同时附带模糊度处理、倾斜矫正及批量请求等常见问题的排查方案。

身份证OCR识别应用场景与接口说明

在用户实名认证、金融KYC认证、酒店入住登记及政务系统资料录入等场景中，传统人工录入效率低且易出错。通过对接身份证OCR识别接口，系统可直接接收上传图片并自动返回结构化数据，显著提升业务流转速度。

该接口基于图像文字识别技术，支持提取姓名、性别、民族、出生日期、身份证号、住址、签发机关及有效期限等关键字段。开发者仅需提交Base64编码的图片文件，即可获取标准JSON格式的识别结果。

准备工作：准备待识别的身份证照片
接口交互：上传Base64图片 → 解析返回JSON → 提取业务字段

身份证OCR识别API标准接入流程图 — 图1：图片转码至接口调用及结果解析的标准数据流向

接口请求配置与响应结构

调用前需确认基础网络权限，并妥善保管您的AppCode。以下为核心接口规范：

请求地址：POST https://ocr-api.shiliuai.com/api/id_card_ocr/v2
请求头：Authorization: APPCODE {您的AppCode}（注意APPCODE后跟空格），Content-Type: application/json

必填参数：image_base64为图片Base64字符串，像素范围限制在[15, 8192]之间，单文件大小需小于20MB。可选参数包括return_rectified_card（是否返回矫正后的证件图）、card_margin_ratio（裁剪边距比例）及return_rectified_head（是否返回头像裁剪图）等。

接口成功时返回HTTP状态码200，JSON体中code为200，success为true。data对象内包含字段质量评分（如complete_score完整度、clear_score清晰度）及实际识别出的个人信息字典。若需直接入库或用于风控校验，建议优先校验is_complete与is_clear布尔值。

第1步：使用Python调用识别接口

目的：利用Python生态快速验证接口连通性并获取结构化JSON。

入口：本地Python运行环境
动作：安装基础网络请求库

pip install requests

参数配置：传入AppCode与本地图片路径。脚本将自动读取二进制文件并编码为Base64，随后发起POST请求。
完成状态：终端正常打印包含name、idNumber等字段的JSON响应对象。

# API文档：https://market.shiliuai.com/doc/id-card-ocr
import requests
import base64
import json

URL = "https://ocr-api.shiliuai.com/api/id_card_ocr/v2"

def get_base64(file_path):
    with open(file_path, 'rb') as f:
        data = f.read()
    return base64.b64encode(data).decode('utf8')

def demo(appcode, file_path):
    headers = {
        'Authorization': f'APPCODE {appcode}',
        'Content-Type': 'application/json'
    }
    payload = {"image_base64": get_base64(file_path)}
    response = requests.post(url=URL, headers=headers, json=payload)
    print(json.loads(response.content))

if __name__ == "__main__":
    demo("你的APPCODE", "本地图片路径")

第2步：使用Java调用识别接口

目的：在Spring Boot或传统Java项目中集成OCR服务，适配企业级异步处理需求。

入口：IDE项目根目录
动作：引入Apache HttpClient与Fastjson2依赖以简化HTTP构建与JSON解析。

参数配置：初始化CloseableHttpClient，构造HttpPost对象并注入Header。通过FileUtils读取文件并使用JDK原生Base64编码器转换。
完成状态：捕获response.getStatusLine().getStatusCode()，非200则记录日志；成功时解析响应实体输出完整数据块。

import com.alibaba.fastjson2.JSON;
import com.alibaba.fastjson2.JSONObject;
import org.apache.http.HttpResponse;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.entity.StringEntity;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;
import org.apache.commons.io.FileUtils;
import java.io.File;
import java.io.IOException;
import java.util.Base64;
import java.util.HashMap;
import java.util.Map;

public class Main {
    public static String getBase64(String path) throws IOException {
        byte[] content = FileUtils.readFileToByteArray(new File(path));
        return Base64.getEncoder().encodeToString(content);
    }
    public static void main(String[] args) throws Exception {
        String url = "https://ocr-api.shiliuai.com/api/id_card_ocr/v2";
        Map headers = new HashMap<>();
        headers.put("Authorization", "APPCODE 你的APPCODE");
        headers.put("Content-Type", "application/json");

        JSONObject requestObj = new JSONObject();
        requestObj.put("image_base64", getBase64("本地图片路径"));

        try (CloseableHttpClient httpClient = HttpClients.createDefault()) {
            HttpPost httpPost = new HttpPost(url);
            headers.forEach(httpPost::addHeader);
            httpPost.setEntity(new StringEntity(requestObj.toJSONString(), "UTF-8"));
            HttpResponse response = httpClient.execute(httpPost);
            if (response.getStatusLine().getStatusCode() != 200) {
                System.out.println("请求失败，状态码：" + response.getStatusLine().getStatusCode());
                return;
            }
            JSONObject res = JSON.parseObject(EntityUtils.toString(response.getEntity()));
            System.out.println(res.toJSONString());
        }
    }
}

识别结果展示与数据校验

接入成功后，接口会按指定模板输出结构化字段。以下为真实测试样本的输入与输出对比：

程序执行后将返回包含置信度评分与实际文本的JSON对象。开发者可将返回的name、idNumber等字段直接写入关系型数据库或Redis缓存，供后续风控链路使用。

OCR接口返回的结构化JSON识别结果截图 — 图3：接口返回的完整JSON数据结构示例

常见问题排查与性能优化

1. 图片模糊导致识别率低

当返回结果中clear_score偏低或关键字段为空时，通常源于采集设备对焦不良。建议在拍摄环节确保分辨率不低于800px，避开强光源直射造成的反光区域，并保持身份证四角完整入镜。

2. 证件倾斜影响版面分析

对于非正交拍摄的照片，可在请求前通过前端Canvas或后端图像处理库进行边缘检测与透视变换。若业务允许，可直接开启接口的return_rectified_card=true参数，服务端会自动完成几何校正并返回矫正图。

3. 高并发场景下的调用效率

面对批量导入任务时，同步阻塞请求极易造成线程池耗尽。推荐采用生产者-消费者模式，借助消息队列分发图片ID，配合多线程或协程池并行发起API调用，并根据request_id追踪异常单据进行重试。

总结

身份证OCR识别API已广泛应用于各类自动化信息录入与实名核验系统中。通过规范化Base64传参、严格校验质量分数指标，并结合Python或Java的标准网络客户端，团队可在短时间内搭建稳定的数据抽取管道。以上就是身份证OCR识别API接入的详细教程，更多关于智能图像识别与业务系统集成的资料请关注本站其它相关文章！