GLM-OCR实战案例:电商商品信息自动提取,提升运营效率
GLM-OCR实战案例:电商商品信息自动提取,提升运营效率
如果你在电商行业工作,一定遇到过这样的场景:每天要处理成百上千张商品图片,手动录入商品名称、价格、规格、描述……眼睛看花了,手指敲麻了,效率低不说,还容易出错。更头疼的是,供应商发来的图片格式五花八门,有的带水印,有的背景杂乱,有的文字倾斜,人工处理简直是一场噩梦。
今天要介绍的 GLM-OCR,就是来解决这个痛点的。它不是一个普通的OCR工具,而是一个能“看懂”图片的智能助手。在权威的文档解析测试中,它拿到了接近满分的成绩,这意味着它在识别文字、表格、公式方面,已经达到了顶尖水平。
更重要的是,它足够“轻量”和“好用”。你不需要准备昂贵的服务器,也不需要成为技术专家,跟着本文的步骤,就能搭建一套属于自己的商品信息自动提取系统。想象一下,原本需要几个人忙活一天的工作,现在交给它,可能几分钟就搞定了。
1. 为什么电商需要GLM-OCR?
在深入技术细节之前,我们先看看电商运营中那些让人头疼的具体问题。
1.1 传统信息录入的三大痛点
- 效率低下:一个熟练的运营人员,处理一张复杂的商品主图(包含多个SKU信息),可能需要3-5分钟。一天处理200张图,就是10-16个小时的工作量。
- 错误率高:人工录入难免看错、输错。价格少个零、规格型号写错一个字母,都可能引发客诉或库存混乱。
- 格式不统一:供应商提供的图片千奇百怪。有的信息在左上角,有的在右下角;有的用表格,有的纯文字;有的背景和文字颜色接近,难以辨认。
1.2 GLM-OCR带来的改变
GLM-OCR的核心能力是精准识别和结构化理解。它不仅能认出图片上的字,还能理解这些字之间的关系。
比如下面这张模拟的商品信息图:
[商品名称] 智能保温杯
[市场价格] ¥199
[活动价格] ¥149
[规格] 450ml
[材质] 304不锈钢
[特点] 24小时保温/触屏显示温度/一键开启
传统OCR可能给你返回一串乱七八糟的文字:“智能保温杯¥199¥149450ml304不锈钢24小时保温/触屏显示温度/一键开启”。你需要自己拆分、整理。
而GLM-OCR经过适当引导,可以直接返回结构化的JSON数据:
{
"product_name": "智能保温杯",
"market_price": "¥199",
"promotion_price": "¥149",
"specification": "450ml",
"material": "304不锈钢",
"features": ["24小时保温", "触屏显示温度", "一键开启"]
}
这种从“图片”到“可直接入库的数据”的跨越,才是效率提升的关键。
2. 快速搭建你的GLM-OCR环境
说了这么多好处,到底怎么用?其实比你想的简单得多。
2.1 一分钟了解部署流程
GLM-OCR已经打包成了完整的Docker镜像,你不需要安装Python、配置CUDA、解决依赖冲突。整个过程就像安装一个手机APP。
整个部署的核心就是一行命令(具体命令取决于你的云平台或服务器提供商),启动后你会得到两个东西:
- 一个网页界面:通过浏览器就能上传图片、查看结果,适合运营、设计等非技术人员使用。
- 一个API接口:其他系统(比如你的商品管理系统、ERP)可以直接调用,实现全自动化流程。
2.2 通过Web界面快速体验
部署完成后,在浏览器输入 http://你的服务器IP:7860,就能看到这样一个简洁的界面:
- 左侧是上传区:直接把商品图片拖进去,或者点击上传。
- 中间是模式选择:对于商品图,一般选择“文本识别”模式就够了。如果图片里有复杂的参数表格,可以试试“表格识别”。
- 右侧是结果区:点击“开始识别”,稍等几秒,识别出的文字就会显示在这里,可以直接复制。
你可以立刻找几张商品图试试效果。你会发现,即使是背景有点复杂、文字有点艺术体的图片,它也能识别得八九不离十。
3. 实战:构建自动化商品信息提取流水线
Web界面适合手动处理少量图片。但对于电商公司,真正的价值在于“自动化”。下面我们一步步构建一个能批量处理图片的智能流水线。
3.1 第一步:用Python调用API
GLM-OCR提供了一个标准的HTTP API接口。这意味着你可以用任何编程语言来调用它。这里我们用最常用的Python来演示。
假设我们有一张商品图 product_001.jpg,我们需要提取里面的商品名称和价格。
import requests
import json
import base64
def extract_product_info(image_path):
"""
调用GLM-OCR API提取商品信息
"""
# 1. 将图片转换为base64编码(API也支持直接传图片URL)
with open(image_path, "rb") as image_file:
image_base64 = base64.b64encode(image_file.read()).decode('utf-8')
# 2. 构建API请求
# GLM-OCR的API地址(默认在本地8080端口)
api_url = "http://localhost:8080/v1/chat/completions"
# 3. 关键:设计一个清晰的“提示词”(Prompt)
# 告诉模型我们想要什么,以及以什么格式返回
prompt_text = """请仔细识别这张商品图片中的文字信息,并提取以下关键字段:
1. 商品名称 (product_name)
2. 市场价格 (market_price)
3. 促销价格 (promotion_price,如果没有则留空)
4. 主要规格或型号 (specification)
请将结果以JSON格式返回,例如:
{
"product_name": "xxx",
"market_price": "xxx",
"promotion_price": "xxx",
"specification": "xxx"
}
只返回JSON,不要有其他任何说明文字。"""
payload = {
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": f"data:image/jpeg;base64,{image_base64}"
}
},
{
"type": "text",
"text": prompt_text
}
]
}
]
}
# 4. 发送请求并获取结果
headers = {'Content-Type': 'application/json'}
response = requests.post(api_url, headers=headers, data=json.dumps(payload))
if response.status_code == 200:
result = response.json()
# 提取模型返回的文本内容(即我们想要的JSON)
extracted_json_str = result['choices'][0]['message']['content']
print("识别结果:", extracted_json_str)
# 尝试解析JSON
try:
product_info = json.loads(extracted_json_str)
return product_info
except json.JSONDecodeError:
print("解析JSON失败,返回的是:", extracted_json_str)
# 可以在这里添加逻辑,尝试从纯文本中提取关键信息
return {"raw_text": extracted_json_str}
else:
print(f"API调用失败,状态码:{response.status_code}")
return None
# 使用示例
if __name__ == "__main__":
info = extract_product_info("product_001.jpg")
if info:
print(f"商品名称:{info.get('product_name')}")
print(f"促销价格:{info.get('promotion_price')}")
这段代码做了几件关键的事:
- 图片处理:将图片转换成API能理解的格式。
- 指令设计:通过
prompt_text告诉模型“要提取哪些信息”以及“用什么格式返回”。这是用好GLM-OCR的关键,指令越清晰,结果越准确。 - 结果解析:尝试把模型返回的文字解析成结构化的JSON数据,方便后续直接存入数据库。
3.2 第二步:处理批量图片和复杂场景
单张图片很简单,但实际工作中是成百上千的图片。此外,商品图可能包含多个SKU(比如一件衣服的不同颜色和尺码)。
import os
import glob
from concurrent.futures import ThreadPoolExecutor, as_completed
def batch_process_images(image_folder, output_file="products.json"):
"""
批量处理一个文件夹下的所有商品图片
"""
# 找到文件夹下所有的jpg和png图片
image_patterns = ['*.jpg', '*.jpeg', '*.png', '*.webp']
image_paths = []
for pattern in image_patterns:
image_paths.extend(glob.glob(os.path.join(image_folder, pattern)))
print(f"找到 {len(image_paths)} 张待处理图片")
all_products = []
# 使用线程池并发处理,提高速度(注意:根据你的服务器性能调整线程数)
with ThreadPoolExecutor(max_workers=3) as executor:
# 提交所有任务
future_to_path = {executor.submit(extract_product_info, path): path for path in image_paths}
# 获取完成的任务结果
for future in as_completed(future_to_path):
img_path = future_to_path[future]
try:
product_info = future.result()
if product_info:
# 把图片文件名也记录进去
product_info['source_image'] = os.path.basename(img_path)
all_products.append(product_info)
print(f"已处理:{img_path}")
else:
print(f"处理失败:{img_path}")
except Exception as e:
print(f"处理图片 {img_path} 时出错:{e}")
# 将结果保存到JSON文件
with open(output_file, 'w', encoding='utf-8') as f:
json.dump(all_products, f, ensure_ascii=False, indent=2)
print(f"批量处理完成!结果已保存至 {output_file}")
return all_products
# 处理包含多个SKU的复杂图片提示词示例
complex_prompt_for_multi_sku = """
这张图片展示了一个商品的多个SKU(颜色、尺码等变体)。
请识别图片中的所有文字,并提取出每个独立SKU的信息。
通常,一个SKU信息会包含:颜色名称、尺码、对应价格、库存状态(如有)。
请以如下JSON数组格式返回:
[
{
"color": "经典黑",
"size": "M",
"price": "¥299",
"stock": "有货"
},
{
"color": "经典黑",
"size": "L",
"price": "¥299",
"stock": "有货"
},
...
]
如果无法区分SKU,则返回所有识别到的文本。
"""
通过批量处理和并发调用,你可以轻松处理整个商品库的图片。ThreadPoolExecutor 控制了并发数,避免一下子把服务器压垮。
3.3 第三步:与现有业务系统集成
提取出的结构化数据,最终要流到你的商品管理系统(CMS)、ERP或者数据库中。这里给出一个简单的集成示例。
import pandas as pd
import mysql.connector # 假设使用MySQL
def save_to_database(product_info_list):
"""
将提取的商品信息存入MySQL数据库
"""
# 1. 连接到数据库(这里需要你填入自己的数据库信息)
connection = mysql.connector.connect(
host="your_host",
user="your_user",
password="your_password",
database="your_database"
)
cursor = connection.cursor()
# 2. 准备插入数据的SQL语句
insert_sql = """
INSERT INTO products (product_name, market_price, promotion_price, specification, source_image, created_time)
VALUES (%s, %s, %s, %s, %s, NOW())
"""
# 3. 遍历所有商品信息,插入数据库
for product in product_info_list:
# 处理可能缺失的字段
product_name = product.get('product_name', '')
# 价格字段可能需要清洗(去掉'¥'等符号)
market_price = product.get('market_price', '').replace('¥', '').strip()
promotion_price = product.get('promotion_price', '').replace('¥', '').strip()
specification = product.get('specification', '')
source_image = product.get('source_image', '')
data_tuple = (product_name, market_price, promotion_price, specification, source_image)
try:
cursor.execute(insert_sql, data_tuple)
except Exception as e:
print(f"插入商品 {product_name} 时出错:{e}")
# 可以选择记录日志,或者将失败的数据存入一个临时文件
# 4. 提交事务并关闭连接
connection.commit()
cursor.close()
connection.close()
print("数据已成功存入数据库")
def save_to_excel(product_info_list, output_file="商品信息.xlsx"):
"""
将提取的商品信息保存为Excel文件,方便运营人员核对
"""
# 将字典列表转换为Pandas DataFrame
df = pd.DataFrame(product_info_list)
# 选择我们关心的列,并重新排序
columns_order = ['source_image', 'product_name', 'market_price', 'promotion_price', 'specification', 'material']
# 只保留DataFrame中实际存在的列
existing_columns = [col for col in columns_order if col in df.columns]
df = df[existing_columns]
# 保存为Excel
df.to_excel(output_file, index=False)
print(f"数据已导出到Excel文件:{output_file}")
这样,一个从图片上传到信息提取再到数据入库/导出的完整自动化流水线就搭建好了。运营人员只需要把供应商发来的图片扔进指定文件夹,系统就能自动完成剩下的工作。
4. 效果对比与效率提升评估
理论说再多,不如看实际效果。我们用一个简单的对比来感受一下。
假设一个中型电商团队,每天需要上新50个商品,每个商品平均有3张包含文字信息的图片(主图、详情图、规格图)。
传统人工处理方式:
- 耗时:一个熟练员工处理一张图平均需要2分钟。50个商品 * 3张图 * 2分钟 = 300分钟(5小时)。
- 成本:按人力成本计算,每天在这项任务上就需要投入近一个员工整天的工作量。
- 错误率:人工录入难免出错,保守估计错误率在1%-2%。
使用GLM-OCR自动化处理:
- 耗时:系统批量处理150张图片,包括调用API、解析结果、存入数据库,总时间约 10-15分钟(取决于网络和服务器性能)。
- 成本:主要是服务器成本(一台中等配置的云服务器即可),远低于人力成本。
- 错误率:GLM-OCR在清晰图片上的识别准确率极高(接近95%),且格式统一,错误率远低于人工。
效率提升总结:
- 时间节省:从5小时到15分钟,效率提升 20倍。
- 人力释放:员工可以从枯燥的录入工作中解放出来,去做选品、营销、客服等更有价值的工作。
- 准确性提升:标准化处理避免了人为疏漏,数据质量更高。
- 可扩展性:无论商品数量增加到500还是5000,系统处理时间线性增长,而人工则无法承受。
5. 总结:让技术真正为业务赋能
GLM-OCR在电商商品信息提取上的应用,是一个典型的技术驱动效率革命的案例。它没有改变电商的业务本质,而是用智能化的方式,把其中最耗时、最易错的环节自动化了。
回顾一下本文的核心要点:
- 痛点明确:电商商品信息录入工作重复、繁琐、易错,是效率提升的瓶颈。
- 方案轻量:GLM-OCR部署简单,无需深厚技术背景,通过Web界面或API即可快速调用。
- 效果显著:不仅能识别文字,更能通过指令(Prompt)提取结构化信息,直接对接业务系统。
- 落地性强:从单张图片测试到批量处理流水线,再到与数据库集成,每一步都有清晰的代码示例,你可以直接借鉴使用。
技术的价值在于应用。GLM-OCR这样的工具,正变得越来越平民化。它不再是大厂的专属,也不再需要庞大的算法团队才能驾驭。任何一个有Python基础、有一台服务器的开发者或运维人员,都能把它用起来,为业务带来实实在在的效率提升。
下一步,你可以尝试将这套系统与你的电商平台后台、ERP系统深度集成,实现从“图片上传”到“商品上架”的全链路自动化。或者,探索GLM-OCR在识别商品评价截图、提取客服聊天记录中的订单信息等其他场景的应用。
当技术门槛降低,创造力就成为唯一的限制。
获取更多AI镜像
想探索更多AI镜像和应用场景?访问 CSDN星图镜像广场,提供丰富的预置镜像,覆盖大模型推理、图像生成、视频生成、模型微调等多个领域,支持一键部署。
更多推荐




所有评论(0)