厦门房地产网签备案的图片识别之一

本文写于2021年2月11日，鼠年除夕夜，祝所有看到本文的朋友们身体健康，万事如意！
之前已经搞定了厦门房地产网签备案的图片下载，接下来就是识别图片的内容。
关于图片识别，网上大量的使用pytesseract进行识别的文章，但是使用了之后，发现对于中文的识别并不好，无奈之下另寻他途，发现百度的OCR还不错，每天5000次的免费额度，对于普通个人来说已经足够了，关于如何使用百度OCR，可见这篇文章https://zoutao.blog.csdn.net/article/details/86705491
以下是识别的具体内容，本文会持续更新至实现作者的全部意图。

第一步：识别图片内容，并读入csv文件

# 百度tesseract-ocr使用

from aip import AipOcr
import os
import pandas as pd
from datetime import date
from openpyxl import load_workbook

""" API """
APP_ID = '23657473'
API_KEY = 'WG43q2kD6vDUAjkGAse3Ei6y'
SECRET_KEY = 'IMATPqqUmSrmYvMVrwEP1siXjUvHqf44'

# 初始化AipFace对象
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

""" 读取图片 """


def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()


def img_to_str(image_path):
    """ 可选参数 """
    options = {}
    options["language_type"] = "CHN_ENG"  # 中英文混合
    options["detect_direction"] = "true"  # 检测朝向
    options["detect_language"] = "true"  # 是否检测语言
    options["probability"] = "false"  # 是否返回识别结果中每一行的置信度

    image = get_file_content(image_path)

    """ 带参数调用通用文字识别 """
    result = client.basicGeneral(get_file_content(filePath), options)

    # 格式化输出-提取需要的部分
    if 'words_result' in result:
        oldtext = ('\n'.join([w['words'] for w in result['words_result']]))
        text = oldtext.replace(',','').replace(':',',')
        ''' save '''
    fs = open(root + '\\' + file[:-4] + '.csv', 'w+', encoding='utf-8')  # 将str,保存到txt
    fs.write(text)
    fs.close()
    csv = pd.read_csv(root + '\\' + file[:-4] + '.csv',encoding = 'utf-8')
    csv.to_excel(root + '\\' + file[:-4] + '.xlsx', sheet_name='data')
    os.remove(root + '\\' + file[:-4] + '.csv') # 删除csv，以免文件太多繁杂

    # print(type(result), "和", type(text))
    return text


if __name__ == '__main__':
    for root,dirs,files in os.walk(r'C:\data\网签备份' + '\\' + str(date.today())):
        for file in files:
            if file[-3:] == 'png':
                filePath = root + '\\' + file
                # print(filePath)
                print(img_to_str(filePath))