Python+百度API文字识别

Posted by Dapenson on May 18, 2020

Python+百度API文字识别

百度SDK文档

识别网络图片

"""
利用百度api实现网络图片文本识别并输出
Author:Dapenson
Date:2020-5-18 
"""

from aip import AipOcr


# 定义常量
APP_ID = '19886385'  # 刚才获取的 ID,下同
API_KEY = 'WhFIHU84GZuCrC2AUACUcoz'
SECRECT_KEY = 'gsrEc7A9NtPOQnFRlulGc572NratS0aV'

# 初始化AipFace对象
aipOcr = AipOcr(APP_ID, API_KEY, SECRECT_KEY)


# 定义百度OCR请求参数变量
options = {
    'detect_direction': 'true',
    'language_type': 'CHN_ENG',
}

# 添加测试网络图片
url = 'http://img.dapenson.xyz/typora/202005/18/220601-373332.png'


# 调用通用文字识别接口识别网络图片
result = aipOcr.basicGeneralUrl(url, options)
if result.get('words_result'):
    for text in result.get('words_result'):
        print(text.get('words'))
else:
    print('识别失败')

识别本地图片

"""
利用百度api实现本地图片文本识别并导出文件
识别当前文件目录下.png格式的图片,如果图片过大则自动转换图片,识别之后导出文件

Author:Dapenson
Date:2020-5-18 
"""

import glob
from os import path
import os
from aip import AipOcr
from PIL import Image


def convertimg(picfile, outdir):
    '''调整图片大小,对于过大的图片进行压缩
    picfile:    图片路径
    outdir:    图片输出路径
    '''
    img = Image.open(picfile)
    width, height = img.size
    while(width*height > 4000000):  # 该数值压缩后的图片大约 两百多k
        width = width // 2
        height = height // 2
    new_img = img.resize((width, height), Image.BILINEAR)
    new_img.save(path.join(outdir, os.path.basename(picfile)))


def baiduOCR(picfile, outfile):
    """利用百度api识别文本,并保存提取的文字
    picfile:    图片文件名
    outfile:    输出文件
    """
    filename = path.basename(picfile)

    APP_ID = '19886385'  # 刚才获取的 ID,下同
    API_KEY = 'WhFIHU84GZuCrC2AUACUcoz'
    SECRECT_KEY = 'gsrEc7A9NtPOQnFRlulGc572NratS0aV'
    client = AipOcr(APP_ID, API_KEY, SECRECT_KEY)

    i = open(picfile, 'rb')
    img = i.read()

    print("正在识别图片:\t" + filename)
    message = client.basicGeneral(img)   # 通用文字识别,每天 50 000 次免费
    # message = client.basicAccurate(img)   # 通用文字高精度识别,每天 800 次免费
    print("识别成功!")
    i.close()

# 写入文件,a为附加到文件末尾
    with open(outfile, mode='a', encoding='UTF-8') as fo:
        fo.writelines("+" * 60 + '\n')
        fo.writelines("识别图片:\t" + filename + "\n" * 2)
        fo.writelines("文本内容:\n")
        # 输出文本内容
        for text in message.get('words_result'):
            fo.writelines(text.get('words') + '\n')
        fo.writelines('\n'*2)
    print("文本导出成功!")
    print()


if __name__ == "__main__":

    outfile = '识别结果.txt'
    outdir = 'tmp'
    if path.exists(outfile):
        os.remove(outfile)
    if not path.exists(outdir):
        os.mkdir(outdir)
    print("压缩过大的图片...")
    # // 首先对过大的图片进行压缩,以提高识别速度,将压缩的图片保存与临时文件夹tmp中
    for picfile in glob.glob("*.png"):
        convertimg(picfile, outdir)
    print("图片识别...")
    for picfile in glob.glob("tmp/*"):
        baiduOCR(picfile, outfile)
        # 删除转换后的图片
        os.remove(picfile)
    print('图片文本提取结束!文本输出结果位于 %s 文件中。' % outfile)
    # 删除tmp临时存放目录
    os.removedirs(outdir)