在开始构建法院档案单机版系统之前，必须先配置好运行环境。本方案基于 Python 3.9 开发，利用 SQLite 作为本地数据库，Tesseract-OCR 进行档案内容的文字识别。请严格按照以下步骤操作，避免环境冲突。
1. 安装 Python 运行环境
访问 Python 官网下载 Python 3.9.7 版本安装包。下载地址：https://www.python.org/downloads/release/python-397/
安装时，务必勾选底部的 "Add Python to PATH" 选项，这直接关系到后续命令是否能在终端直接执行。安装完成后，在命令行输入 python --version，若显示版本号则说明安装成功。
2. 安装 Tesseract-OCR 引擎
法院档案多为扫描件，需通过 OCR 提取文字以支持全文检索。下载 Windows 版本的 Tesseract 安装包。
下载地址：https://github.com/UB-Mannheim/tesseract/wiki
安装时，在 "Choose Components" 界面，务必展开 "Additional language data"，勾选 Chinese (Simplified) 和 English，否则无法识别中文档案。默认安装路径建议保持为 C:\Program Files\Tesseract-OCR，后续代码中会直接调用此路径。
3. 安装 Python 依赖库
在项目根目录下打开命令行，执行以下命令安装所需的第三方库。这些库分别用于 PDF 处理、图像处理、OCR 接口封装及数据库操作。
```bash pip install pytesseract pdf2image Pillow ```注意：pdf2image 依赖系统安装了 poppler。请下载 poppler for Windows 并解压，将其 bin 目录路径添加到系统环境变量 Path 中。
Poppler 下载地址：http://blog.alivate.com.au/poppler-windows/
为了保证档案管理的规范性，请在本地磁盘（如 D 盘）创建一个名为 CourtArchiveSystem 的文件夹作为项目根目录。请在命令行执行以下命令创建子目录结构：
```bash mkdir D:\CourtArchiveSystem cd D:\CourtArchiveSystem mkdir raw_files 存放待处理的原始 PDF 档案 mkdir db_storage 存放 SQLite 数据库文件 mkdir logs 存放运行日志 ```最终的目录结构必须严格符合以下布局，否则代码运行会报错：
创建配置文件 config.py，用于统一管理路径和 OCR 参数。这能避免后续代码维护时频繁修改核心逻辑。请直接复制以下代码覆盖文件内容：
```python config.py import os 基础路径 BASE_DIR = r"D:\CourtArchiveSystem" RAW_FILE_DIR = os.path.join(BASE_DIR, "raw_files") DB_DIR = os.path.join(BASE_DIR, "db_storage") DB_PATH = os.path.join(DB_DIR, "court_archive.db") Tesseract 路径配置 (请根据实际安装路径修改，注意双反斜杠) TESSERACT_PATH = r"C:\Program Files\Tesseract-OCR\tesseract.exe" os.environ['TESSDATA_PREFIX'] = r"C:\Program Files\Tesseract-OCR\tessdata" OCR 识别参数配置 --psm 6: 假设文本为统一的文本块 -l chi_sim+eng: 中英文混合识别 OCR_CONFIG = r'--psm 6 -l chi_sim+eng' ```数据库表结构设计
我们需要在 SQLite 中建立两张表：cases（案件基本信息）和 documents（电子档案详情）。这种设计符合法院“一案多卷”的实际业务场景。
请在命令行执行 python 进入交互模式，依次执行以下 SQL 建表语句：
创建 archive_manager.py 文件，这是系统的核心引擎。我们将实现档案入库、OCR 识别及数据落库功能。请确保该文件与 config.py 在同一目录下。
```python archive_manager.py import os import sqlite3 import pytesseract from PIL import Image from pdf2image import convert_from_path from config import 指定 Tesseract 可执行文件路径 pytesseract.pytesseract.tesseract_cmd = TESSERACT_PATH class CourtArchiveSystem: def __init__(self): self.conn = sqlite3.connect(DB_PATH) self.cursor = self.conn.cursor() def register_case(self, case_number, case_name, party_info=""): """登记新案件""" try: self.cursor.execute( "INSERT INTO cases (case_number, case_name, party_info) VALUES (?, ?, ?)", (case_number, case_name, party_info) ) self.conn.commit() print(f"案件 {case_number} 登记成功，ID: {self.cursor.lastrowid}") return self.cursor.lastrowid except sqlite3.IntegrityError: print(f"错误：案号 {case_number} 已存在，请勿重复登记。") return None def process_ocr(self, pdf_path): """处理 PDF 文件，提取文字""" print(f"正在处理文件: {os.path.basename(pdf_path)} ...") full_text = "" try: 将 PDF 转换为图片列表，dpi=300 保证识别精度 images = convert_from_path(pdf_path, dpi=300) for img in images: 使用 Tesseract 识别 text = pytesseract.image_to_string(img, config=OCR_CONFIG) full_text += text + "\n" return full_text except Exception as e: print(f"OCR 处理失败: {e}") return "" def import_document(self, case_id, file_path): """导入档案文件并关联案件""" if not os.path.exists(file_path): print("文件路径不存在") return file_name = os.path.basename(file_path) 执行 OCR ocr_text = self.process_ocr(file_path) 存入数据库 self.cursor.execute( "INSERT INTO documents (case_id, file_name, file_path, ocr_content) VALUES (?, ?, ?, ?)", (case_id, file_name, file_path, ocr_text) ) self.conn.commit() print(f"档案 {file_name} 入库成功，关联案件ID: {case_id}") def search_archive(self, keyword): """全文检索功能""" print(f"正在搜索关键词: '{keyword}' ...") 使用 LIKE 进行模糊查询 self.cursor.execute(''' SELECT c.case_number, c.case_name, d.file_name, d.file_path FROM documents d JOIN cases c ON d.case_id = c.case_id WHERE d.ocr_content LIKE ? ''', (f'%{keyword}%',)) results = self.cursor.fetchall() if results: print(f"找到 {len(results)} 条匹配记录：") for row in results: print(f"案号: {row[0]} | 案件: {row[1]} | 文件: {row[2]} | 路径: {row[3]}") else: print("未找到相关档案。") def close(self): self.conn.close() if __name__ == "__main__": 简单的命令行交互演示 system = CourtArchiveSystem() 示例：登记案件 case_id = system.register_case("(2023)京01民初1号", "张三诉李四借款合同纠纷") 示例：导入文件 (请确保 raw_files 文件夹中有名为 test.pdf 的文件) if case_id: test_file = os.path.join(RAW_FILE_DIR, "test.pdf") system.import_document(case_id, test_file) 示例：搜索 system.search_archive("借款") system.close() ```现在所有代码已就绪，我们将进行一次完整的业务流程测试。请准备好一份 PDF 格式的法院扫描件（例如判决书），将其重命名为 demo.pdf 并放入 raw_files 目录中。
1. 登记案件信息
在命令行中执行 Python 代码，模拟法院立案环节。打开命令行，输入 python 进入交互模式：
执行后，系统应返回“案件...登记成功”，并返回一个自动生成的 ID。
2. 档案扫描件入库
接着执行导入命令。系统会自动读取 PDF，将其转换为图片，调用 Tesseract 进行中文识别，并将识别结果存入 SQLite 数据库。
```python import os from config import RAW_FILE_DIR 确保你的 demo.pdf 已经在 raw_files 中 pdf_file = os.path.join(RAW_FILE_DIR, "demo.pdf") if cid: sys.import_document(cid, pdf_file) ```此过程根据 PDF 页数和电脑性能，可能需要几秒到几十秒。你会看到控制台输出“正在处理文件...”以及“档案...入库成功”。
3. 全文检索验证
这是验证 OCR 效果的关键步骤。尝试搜索你 PDF 文件中存在的某个特定词汇，例如“合同”、“违约金”或日期。
```python 搜索包含“违约金”的档案 sys.search_archive("违约金") 搜索包含“2023”的档案 sys.search_archive("2023") ```如果配置正确，系统将列出匹配的案号、案件名称以及具体的文件路径。这证明单机版档案软件已经具备了电子化归档和基于内容的检索能力。
4. 退出系统
```python sys.close() ```在实操过程中，可能会遇到以下两个典型问题，请按方案排查：
1. tesseract is not installed or it's not in your path
这是路径配置错误。请检查 config.py 中的 TESSERACT_PATH 是否指向真实的 .exe 文件位置。如果安装路径中有空格，请确保使用了原始字符串 r"path" 或双反斜杠。
2. Unable to open poppler
这是因为 pdf2image 找不到 poppler 工具。请确认已下载 poppler 并解压，将解压后的 bin 文件夹路径（如 C:\poppler-0.68.0\bin）添加到了 Windows 的“系统环境变量”的 Path 变量中，并重启命令行窗口。
微信咨询
电话联系
QQ客服
微信咨询一对一服务