python3调用腾讯API——实现基本文本分析，计算机视觉(图像/文字/验证码/名片/驾驶证)识别
前言
前面几篇文章是：
python3使用谷歌tesseract-ocr4.0实现图像/文字识别
python3调用百度API–ocr实现图像/文字/验证码识别
这些都是博主1月份的时候搞的东西了，放了很久在草稿箱里面，但是效果依然在。
在调用了谷歌，百度的OCR-api之后，现在试试腾讯的。
腾讯优图的OCR-API比 复杂的就是生成签名。
这个鉴权签名
签名的要求：
将<key, value>请求参数对按key进行字典升序排序，得到有序的参数对列表N
URL编码算法用大写字母，对字符串S进行MD5运算，
将得到的MD5值所有字符转换成大写，得到接口请求签名。。。。。签名有效期5分钟
使用代码之前，你需要去腾讯AI平台创建应用，接入对应的能力。
爱谁你就点谁，本例子要OCR：
创建完成以后，就可以参考如下代码。
第一种方式调用-计算机视觉识别（可用于各类识别）
需要你自己的API账号、密码:
APPID = ‘xxxxx’
APPKEY = ‘xxxxxx’
获取地址：点我跳转
https://ai.qq.com/console/application/2111953790/data-info
这是官方的接口文档：接口文档说明。
这是一个多接口的综合版本，包含了对基本文本分析，计算机视觉的各类调用
提供的原始图片的base64编码数据 （原图大小上限1MB，支持JPG、PNG、BMP格式）
和
上面图的功能都可以调用。
使用的时候，需要对应更改你的APPid和key。
使用哪种方式就调用哪种接口。
前提是你创建应用的时候，需要加入你的能力：
最后就是调用接口代码即可。
.
源码如下：
#!/usr/bin/python3
'''
create : 自带文字，坐标等信息
像素坐标，包括左上角坐标x,y，以及宽、高
Purpose: python3--tecent ai api -腾讯API
'''
import requests
requests.packages.urllib3.disable_warnings()
import base64
import hashlib
import time
import random
import os, string
from io import BytesIO
from urllib.parse import urlencode
import json
from PIL import Image
class MsgTencent(object):
def __init__(self, AppID, AppKey):
self.app_id = AppID
self.app_key = AppKey
self.img_base64str = None
def get_random_str(self):
# 随机生成16位字符串
rule = string.ascii_lowercase + string.digits
str = random.sample(rule, 16)
return "".join(str)
def get_time_stamp(self):
return str(int(time.time()))
def __get_image_base64str__(self, image):
if not isinstance(image, Image): return None
outputBuffer = BytesIO()
# bg.save(outputBuffer, format='JPEG')
imgbase64 = base64.b64encode(outputBuffer.getvalue())
print("图片转为base64加密：",imgbase64)
return imgbase64
def __get_imgfile_base64str__(self, image):
print("进入图片转base64函数,源图片路径：",image)
if not isinstance(image, str): return None
if not os.path.isfile(image): return None
with open(image, 'rb') as fp:
imgbase64 = base64.b64encode(fp.read())
print("图片采用base64加密：", imgbase64)
return imgbase64
def get_img_base64str(self, image):
if isinstance(image, str):
self.img_base64str = self.__get_imgfile_base64str__(image)
elif isinstance(image, Image):
self.img_base64str = self.__get_imgfile_base64str__(image)
return self.img_base64str.decode()
# 组装字典，MD5加密方法
'''
======================================
tencent获得参数对列表N（字典升级排序）
======================================
1\依照算法第一步要求，对参数对进行排序，得到参数对列表N如下。
参数名 参数值
app_id 10000
nonce_str 20e3408a79
text 腾讯开放平台
time_stamp 1493449657
2\按URL键值拼接字符串T
依照算法第二步要求，将参数对列表N的参数对进行URL键值拼接，值使用URL编码，URL编码算法用大写字母，例如%E8，而不是小写%e8，得到字符串T如下：
app_id=10000&nonce_str=20e3408a79&text=%E8%85%BE%E8%AE%AF%E5%BC%80%E6%94%BE%E5%B9%B3%E5%8F%B0&time_stamp=1493449657
3\拼接应用密钥，得到字符串S
依照算法第三步要求，将应用密钥拼接到字符串T的尾末，得到字符串S如下。
app_id=10000&nonce_str=20e3408a79&text=%E8%85%BE%E8%AE%AF%E5%BC%80%E6%94%BE%E5%B9%B3%E5%8F%B0&time_stamp=1493449657&app_key=a95eceb1ac8c24ee28b70f7dbba912bf
4\计算MD5摘要，得到签名字符串
依照算法第四步要求，对字符串S进行MD5摘要计算得到签名字符串如。
e8f6f347d549fe514f0c9c452c95da9d
5\转化md5签名值大写
对签名字符串所有字母进行大写转换，得到接口请求签名，结束算法。
E8F6F347D549FE514F0C9C452C95DA9D
6\最终请求数据
在完成签名计算后，即可得到所有接口请求数据，进一步完成API的调用。
text 腾讯开放平台 接口请求数据，UTF-8编码
app_id 10000 应用标识
time_stamp 1493449657 请求时间戳（秒级），用于防止请求重放
nonce_str 20e3408a79 请求随机字符串，用于保证签名不可预测
sign E8F6F347D549FE514F0C9C452C95DA9D 请求签名
'''
# 生成sign权限校验！最难的就是这里
def gen_dict_md5(self, req_dict, app_key):
if not isinstance(req_dict, dict): return None
if not isinstance(app_key, str) or not app_key: return None
try:
# 方法，先对字典排序，排序之后，写app_key，再urlencode
sort_dict = sorted(req_dict.items(), key=lambda item: item[0], reverse=False)
sort_dict.append(('app_key', app_key))
sha = hashlib.md5()
rawtext = urlencode(sort_dict).encode()
sha.update(rawtext)
md5text = sha.hexdigest().upper()
# 字典可以在函数中改写-最后赋值给sign函数。
if md5text: req_dict['sign'] = md5text
return md5text
except Exception as e:
return None
# 生成字典-
def gen_req_dict(self, req_dict, app_id=None, app_key=None, time_stamp=None, nonce_str=None):
"""用MD5算法生成安全签名"""
if not req_dict.get('app_id'):
if not app_id: app_id = self.app_id
req_dict['app_id'] = app_id
# nonce_str 字典无值
if not req_dict.get('time_stamp'):
if not time_stamp: time_stamp = self.get_time_stamp()
req_dict['time_stamp'] = time_stamp
if not req_dict.get('nonce_str'):
if not nonce_str: nonce_str = self.get_random_str()
req_dict['nonce_str'] = nonce_str
# app_key 取系统参数。
if not app_key: app_key = self.app_key
md5key = self.gen_dict_md5(req_dict, app_key)
return md5key
'''
基本文本分析
===========
分词 对文本进行智能分词识别，支持基础词与混排词粒度 https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordseg text
词性标注 对文本进行分词，同时为每个分词标注正确的词性 https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordpos text
专有名词识别 对文本进行专有名词的分词识别，找出文本中的专有名词 https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordner text
同义词识别 识别文本中存在同义词的分词，并返回相应的同义词 https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordsyn text
计算机视觉--OCR识别
====================
通用OCR识别 识别上传图像上面的字段信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_generalocr image
身份证OCR识别 识别身份证图像上面的详细身份信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_idcardocr image,card_type(身份证，0-正面，1-反面)
名片OCR识别 识别名片图像上面的字段信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_bcocr image
行驶证驾驶证OCR识别 识别行驶证或驾驶证图像上面的字段信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_driverlicenseocr image,type(识别类型，0-行驶证识别，1-驾驶证识别)
营业执照OCR识别 识别营业执照上面的字段信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_bizlicenseocr image
银行卡OCR识别 识别银行卡上面的字段信息 https://api.ai.qq.com/fcgi-bin/ocr/ocr_creditcardocr image
'''
# 改成你自己的API账号、密码-可用改为全局变量
APPID = 'xxxxx'
APPKEY = 'xxxxxxxx'
TencentAPI = {
# 基本文本分析API
"nlp_wordseg": {
'APINAME': '分词',
'APIDESC': '对文本进行智能分词识别，支持基础词与混排词粒度',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordseg',
'APIPARA': 'text'
},
"nlp_wordpos": {
'APINAME': '词性标注',
'APIDESC': '对文本进行分词，同时为每个分词标注正确的词性',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordpos',
'APIPARA': 'text'
},
'nlp_wordner': {
'APINAME': '专有名词识别',
'APIDESC': '对文本进行专有名词的分词识别，找出文本中的专有名词',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordner',
'APIPARA': 'text'
},
'nlp_wordsyn': {
'APINAME': '同义词识别',
'APIDESC': '识别文本中存在同义词的分词，并返回相应的同义词',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/nlp/nlp_wordsyn',
'APIPARA': 'text'
},
# 计算机视觉--OCR识别API
"ocr_generalocr": {
'APINAME': '通用OCR识别',
'APIDESC': '识别上传图像上面的字段信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_generalocr',
'APIPARA': 'image'
},
"ocr_idcardocr": {
'APINAME': '身份证OCR识别',
'APIDESC': '识别身份证图像上面的详细身份信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_idcardocr',
'APIPARA': 'image,card_type'
},
"ocr_bcocr": {
'APINAME': '名片OCR识别',
'APIDESC': '识别名片图像上面的字段信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_bcocr',
'APIPARA': 'image'
},
"ocr_driverlicenseocr": {
'APINAME': '行驶证驾驶证OCR识别',
'APIDESC': '识别行驶证或驾驶证图像上面的字段信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_driverlicenseocr',
'APIPARA': 'image,type'
},
"ocr_bizlicenseocr": {
'APINAME': '营业执照OCR识别',
'APIDESC': '识别营业执照上面的字段信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_bizlicenseocr',
'APIPARA': 'image'
},
"ocr_creditcardocr": {
'APINAME': '银行卡OCR识别',
'APIDESC': '识别银行卡上面的字段信息',
'APIURL': 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_creditcardocr',
'APIPARA': 'image'
},
}
def ExecTecentAPI(*arg, **kwds):
if kwds.get('Apiname'):
apiname = kwds.pop('Apiname')
url = TencentAPI[apiname]['APIURL']
name = TencentAPI[apiname]['APINAME']
desc = TencentAPI[apiname]['APIDESC']
para = TencentAPI[apiname]['APIPARA']
tx = MsgTencent(APPID, APPKEY)
Req_Dict = {}
for key in para.split(','):
value = None
if kwds.get(key): value = kwds.pop(key)
if key == 'image':
# 图像获取base64
value = tx.get_img_base64str(value)
if key == 'text':
# 文本进行GBK编码
value = value.encode('gbk')
if key == 'type':
value = tx.get_img_base64str(value)
Req_Dict[key] = value
#print(key, value, Req_Dict[key])
# 生成请求包
sign = tx.gen_req_dict(req_dict=Req_Dict)
resp = requests.post(url, data=Req_Dict, verify=False)
print(name + '调用执行结果：')
#print(name + '调用执行结果：' + resp.text)
#print(type(resp)) # <class 'requests.models.Response'>
#print(type(resp.text)) # <class 'str'>
# 多级目录提取
result = json.loads(resp.text)
#print(type(result))
print("识别结果转为字典：",result)
# 提取识别的文字内容
for i in result["data"]["item_list"]:
text = i["itemstring"] # 文字
location = i["itemcoord"] # 坐标
# print(type(location), type(text)) # <class 'list'> <class 'str'>
#print(i["itemcoord"],i["itemstring"]) # 左上角坐标x,y，以及宽、高 文字
print("坐标：", location[0]['x'], "文字：", text)
return resp.text
if __name__ == "__main__":
# 名片ocr
# file = r'./img/mp.png'
# rest = ExecTecentAPI(Apiname='ocr_bcocr', image=file)
# 文本分析
# rest = ExecTecentAPI(Apiname='nlp_wordseg', text='上帝保佑你')
# 驾驶证
# file = r'./img/jsz.jpg'
# rest = ExecTecentAPI(Apiname='ocr_driverlicenseocr', image=file)
# 通用ocr
file = r'./img/1.png'
rest = ExecTecentAPI( Apiname='ocr_generalocr', image=file)
这个是借用别人的，原地址：
原地址为
结果如下：
名片或者驾驶证：
还有相比于百度的OCR呢，腾讯的无限制，只是有并发控制。
腾讯的要求原始图片必须是base64编码数据（原图大小上限1MB，支持JPG、PNG、BMP格式）。
第二种方式调用-通用OCR识别（可用于验证码/图文/文字识别）
代码：
#!/usr/bin/python3
"""
desc: 调用腾讯OCRapi实现文本识别
#@Readme : 请控制在1M内，支持JPG、PNG、BMP格式
"""
import base64, hashlib, json, random, string, time
from urllib import parse, request
def GetAccessToken(formdata, app_key):
'''
获取签名
:param formdata:请求参数键值对
:param app_key:应用秘钥
:return:返回接口调用签名
'''
dic = sorted(formdata.items(), key=lambda d: d[0])
sign = parse.urlencode(dic) + '&app_key=' + app_key
m = hashlib.md5()
m.update(sign.encode('utf8'))
return m.hexdigest().upper()
# 改成你自己的API账号、密码-可用改为全局变量
app_id = '2111953790'
app_key = '43ROeSB3hbQY4D4M'
def RecogniseGeneral(app_id, time_stamp, nonce_str, image, app_key):
'''
腾讯OCR通用接口
:param app_id:应用标识，正整数
:param time_stamp:请求时间戳（单位秒），正整数
:param nonce_str: 随机字符串，非空且长度上限32字节
:param image:原始图片的base64编码
:return:
'''
host = 'https://api.ai.qq.com/fcgi-bin/ocr/ocr_generalocr'
formdata = {'app_id': app_id, 'time_stamp': time_stamp, 'nonce_str': nonce_str, 'image': image}
app_key = app_key
sign = GetAccessToken(formdata=formdata, app_key=app_key)
formdata['sign'] = sign
req = request.Request(method='POST', url=host, data=parse.urlencode(formdata).encode('utf8'))
response = request.urlopen(req)
if (response.status == 200):
json_str = response.read().decode()
#print('腾讯OCR通用接口返回结果：',json_str)
jobj = json.loads(json_str)
datas = jobj['data']['item_list']
recognise = {}
for obj in datas:
recognise[obj['itemstring']] = obj
return recognise
def Recognise(img_path):
with open(file=img_path, mode='rb') as file:
base64_data = base64.b64encode(file.read())
nonce = ''.join(random.sample(string.digits + string.ascii_letters, 32))
stamp = int(time.time())
recognise = RecogniseGeneral(app_id=app_id, time_stamp=stamp, nonce_str=nonce, image=base64_data,
app_key=app_key) # 替换成自己的app_id,app_key
# 提取出来看
for k, v in recognise.items():
print('腾讯OCR通用接口返回结果：',k, v)
return recognise
# 腾讯优图的API比较复杂的就是生成签名
if __name__ == '__main__':
img_path = r'./img/timg.jpeg'
recognise_dic = Recognise(img_path)
for k, value in recognise_dic.items():
print('图片识别内容：',k)
for v in value['itemcoord']:
print('内容坐标：',v)
效果如图：
题外话：
有些人的教程写了需要的:
appid = 'xxxxx
secret_id =‘xxxxxxxxxxxxxxxx’
secret_key = ‘xxxxxxxxxxxxxxxxxxxxx’
这三个的，在如下地址可以获取到，很多找不到，说一下，其次，我们这个代码不需要它。
获得的地址: 点我跳转：
https://console.cloud.tencent.com/cam/capi
各种报错解决：
接口鉴权： https://ai.qq.com/doc/auth.shtml
如果你后面调用的时候，出现如图：
16388，根据 https://ai.qq.com/doc/returncode.shtml 返回码可知，是请求签名无效，请检查请求中的签名信息（sign）是否有效。
如果报错这种，出现如图：：
Unicode编码转utf8：
bytes(secret_key,‘utf-8’)
即可。
出现如图：
‘NoneType’ object has no attribute ‘decode’
这个报错信息提示有一个变量的值是None
None 的类型是NoneType , 它没有decode 方法。
第一，检查你是不是没有加载到数据！比如图片，找到没？
第二，把报错的地方：repo_dict[‘description’]转为str形式。
报错：TypeError: cannot use a string pattern on a bytes-like object
出错的主要原因是因为：
TypeError: can’t use a string pattern on a bytes-like object.
html用decode(‘utf-8’)进行解码，由bytes变成string。
py3的urlopen返回的不是string是bytes。
解决方法是：把’html’类型调整一下：html.decode(‘utf-8’)
百度API精度测试：OCR-识别之含位置版。500次/天。
腾讯API精度测试：调用无限制，但是有大小1M和格式要求。
从总体效果来看，腾讯的OCR要比百度的OCR识别效率更好，更好一些，
百度真是越来越走远了。。。
谷歌的tesseract-ocr4.0就更不说了，开源的，自己拿去训练吧。。。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
