fix issue

OCRPython/extractor/identitycard_extractor.py

@@ -69,14 +69,20 @@ class IdentityCardExtractor(Extractor):
                 "validTime": "",
                 "name": "",
                 "gender": "",
-                "ethnicity": "",
+                "ethnicity": "汉",
                 "dateOfBirth": "",
                 "address": "",
                 "idNumber": ""}
             # 提取签发机关
             issuing_authority = re.search(r"(签发机关|签发机美)\n*(.+?)\n", text, re.DOTALL)
             if issuing_authority:
-                result["issuingAuthority"] = issuing_authority.group(2).strip()
+                tempAuthority = issuing_authority.group(2).strip()
+                if "公安局" not in tempAuthority:
+                    issuing_authority = re.search(r"(\S+)\n*(签发机关|签发机美)\n", text, re.DOTALL)
+                    if issuing_authority:
+                        result["issuingAuthority"] = issuing_authority.group(1).strip()
+                else:
+                    result["issuingAuthority"] = issuing_authority.group(2).strip()
 
             # 提取有效期限
             valid_time = re.search(r"有效期限\n*(\d{4}\.\d{2}\.\d{2}-\S+)", text, re.DOTALL)
@@ -87,7 +93,7 @@ class IdentityCardExtractor(Extractor):
             name = re.search(r"姓名\s*(.*?)\n", text,re.DOTALL)
             if name:
                 tempName = name.group(1).strip()
-                if tempName in "性别男" or tempName in "性别女" or "性别男" in tempName or "性别女"  in tempName:
+                if tempName in "性别男" or tempName in "性别女" or "性别男" in tempName or "性别女"  in tempName or tempName.isupper() or tempName.islower():
                     name = re.search(r"(\S+)\s*姓名", text, re.DOTALL)
                     result["name"] = name.group(1).strip()
                 else:
@@ -105,6 +111,9 @@ class IdentityCardExtractor(Extractor):
                         name = re.search(r"(\S+)\s*(男|女|性别)", text, re.DOTALL)
                         if name:
                             result["name"] = name.group(1).strip()
+            tempName = result["name"]
+            if tempName.startswith("名"):
+                result["name"] = text[len("名"):]
 
             # 提取民族
             ethnicity = re.search(r"民\s*(族|旅)\s*(\S+)", text, re.DOTALL)
@@ -129,9 +138,21 @@ class IdentityCardExtractor(Extractor):
                             result["address"] = address.group(1).strip().replace("\n", "") + address.group(2).strip().replace("\n", "")
             if result["address"]:
                 result["address"] = re.sub(r'[A-Z]', '', result["address"])
-
+                pattern = r"\d+[号组室房]"
+                # 匹配数字+号、数字+组、数字+室、数字+房 的最后一个匹配项
+                tempAddress = result["address"]
+                matchAddress = None
+                for m in re.finditer(pattern, tempAddress):
+                    matchAddress = m
+                if matchAddress:
+                    index = matchAddress.end()  # 获取匹配项的结束位置
+                    result["address"] = tempAddress[:index]  # 截取匹配项及之前的字符串
+                #去掉地址后面的
+                else:
+                    pattern = r"\d{18,}$"  # 匹配1位以上的数字结尾
+                    result["address"] = re.sub(pattern, "", result["address"])
             # 提取身份证号码
-            id_number = re.search(r"(\d{18}|\d{17}[Xx])", text, re.DOTALL)
+            id_number = re.search(r"([123456]\d{17}|[123456]\d{16}[Xx])", text, re.DOTALL)
             if id_number:
                 result["idNumber"] = id_number.group(1).strip()
 
@@ -199,7 +220,7 @@ class IdentityCardExtractor(Extractor):
 # 村6组4号
 # 公民身份号码
 # 513423198004203995
-# """
+# # """
 #
 # text = """姓名韩邀宇
 # 性别男
@@ -211,7 +232,7 @@ class IdentityCardExtractor(Extractor):
 # 沟村委会中韩村16号
 # 公民身份号码
 # 34122219991215183X"""
-#
+
 #
 # text = """中华人民共和国
 # 居民身份证
@@ -311,13 +332,63 @@ class IdentityCardExtractor(Extractor):
 # 坪镇全家坪村3组
 # 公民身份号码
 # 433030197508150820"""
+# text = """姓5性乎出日住
+# 米名丰别生更址
+# 张亮
+# 男
+# 民族彝
+# 1975
+# 年11月27日
+# 四川省西昌市樟木箐乡中
+# 安村1组29号附1号
+# 公民身份号码
+# 513401197511274218
+# 中华人民共和国
+# 居民身份证
+# 国水
+# 西昌市公安局
+# 签发机关
+# 有效期限
+# 2017.08.21-2037.08.21"""
+# text = """中华人民共和国
+# 居民身份证
+# 签发机关
+# 宁乡县公安局
+# 有效期限
+# 2008.10.28-2028.10.28
+# 姓名刘放华
+# 性别男民族汉
+# 出生1970年5月13日
+# 住址
+# 湖南省宁乡县流沙河镇荷
+# 林村10组
+# 8430124197005132917
+# 公民身份号码"""
+#
+# text = """中华人民共和国
+# 居民身份证
+# 签发机关醴陵市公安局
+# 有效期限2007.07.02-2027.07.02
+# 和
+# 姓名朱建明
+# 致签
+# 性别男民族汉
+# 出生1970年11月9日
+# 劳
+# 住址
+# 湖南省醴陵市西山办事处
+# 动
+# 滴水井村樟树组7号
+# 23
+# 公民身份号码
+# 430281197011090090"""
+
 # extractor = IdentityCardExtractor()
 # jsonstring = extractor.extract_textbyPaddle(text)
 # print(jsonstring)
 
 
 
-
 # text = """
 # 姓名张三
 # 性别男