00 前言
最近做ppt,看到有些图片中的文字内容很好,一张一张地码字很累还很费时间。就想着有空做一个文字识别的小工具,方便办公流程。在网上查了一下资料,百度智能云提供了文字识别的接口,可以直接调用,挺方便的。于是就做了一个小工具,和大家分享一下制作过程。
01 准备
01 -1 虚拟环境
本文所用版本是python3.8.2,新版的python都自带一个创建虚拟环境模块。新建一个工作目录名叫Image2Text。
mkdir Image2Text //也可以直接用鼠标右键创建文件夹
cd Image2Text //进入项目文件夹
python -m venv venv //创建虚拟环境,第一个venv是包名,第二个是创建虚环境名字(可以用项目名)
然后在venv文件夹下我们看到如下的目录,虚拟环境激活后才能使用,激活的脚本在Scripts里面。
于是,我们进到Scripts文件夹里面,执行激活脚本。使用activate激活(使用deactivate.bat 退出)。
01 -2 安装依赖
其中PySide2是做界面的。baidu-aip 是调用的百度的文字识别接口,是主要功能。
pip3 install PySide2
pip install baidu-aip
注:之前使用pyQt5出现了qt.qpa.plugin: Could not find the Qt platform plugin "windows"这个问题,然后用pip3 install PySide2下载PySide2,并修改了路径。
01 -3 图片识别SDK
根据百度的文本识别SDK介绍(https://ai.baidu.com/ai-doc/OCR/Dk3h7yf8m),我们需要注册百度智能云的账户,并在安全中心获取API_KEY
(
对应百度智能云的“Access Key ID”)和SECRET_KEY
(
对应百度智能云的“Access Key Secret”)。
02 开始
02-1 调用接口测试
百度文本识别的接口很丰富,有通用文本识别、包含位置信息的文本识别、驾照识别等等。我这里面用的是通用的文本识别,首先,新建一个orc_util.py文件引用接口并说明认证信息。
from aip import AipOcr
# 添加认证信息,这里面的api密钥和secret密钥可以去百度智能云免费申请
APP_ID = ''
API_KEY = 'd7a50f1938xxxxxxxxxx5277a51e23'
SECRET_KEY = 'e6ca46bdxxxxxxxxxxxx053cf288b'
然后,我们定义一个获取图片的方法。
def get_ocr_str(file_path, origin_format=True):
"""
获取图片比特流
:param file_path: 图片路径
:return: 函数get_ocr_str_from_bytes()的结果
"""
with open(file_path, 'rb') as fp:
file_bytes = fp.read()
return get_ocr_str_from_bytes(file_bytes, origin_format)
然后定义一个转换方法,设置options参数(不检测文本方向,语言模式为中英文),实例化一个AipOcr类,调用basicGeneral()接口。通用文字识别的请求参数见表1,通用文字识别的