十行Python代碼實現文字識別功能

Posted on by

今天給大傢分享的主題是用百度的接口實現圖片的文字識別。

1.環境和配置要求

整體是用Python實現，所需要使用的第三方庫包括aip、PIL、keyboard、pyinstaller，如未安裝，可在CMD中使用pip install Baidu-AIP/pillow/keyboard/pyinstaller指令安裝。

百度接口

打開網址,如未註冊請先註冊，然後登錄點擊管理控制臺，點擊左側產品服務→人工智能→文字識別，點擊創建應用，輸入應用名稱如Baidu_OCR，選擇用途如學習辦公，最後進行簡單應用描述，即可點擊立即創建。會出現應用列表，包括AppID、API Key、Secret Key等信息，這些稍後會用到。

2.具體實現步驟

整個程序的大致思路是，在用截圖軟件獲得截圖之後，交給百度接口識別，並返回結果，當然，也可以是本地圖片識別，我用的是QQ自帶截圖軟件，快捷鍵CTRL+ALT+A用來打開截圖，在選中所截區域後，按Enter鍵即可保存到粘貼板中，也可用其他截圖軟件。

獲取截圖

keyboard類庫是用來監聽鍵盤動作的，所以在有快捷鍵按下之後，便會有相應動作。並用PIL中的ImageGrab來獲取到剪切板中的圖片並生成本地圖片文件。

#1.截圖
keyboard.wait('ctrl+alt+a')
print('開始截圖')
 
keyboard.wait('enter')
print('保存截圖')
time.sleep(0.1)
 
#2.保存圖片
image = ImageGrab.grabclipboard()
image.save('img.png')

調用Baidu aip識別並打印文字

先用註冊時生成的應用的AppID、API Key、Secret Key初始化應用，再讀取保存到的圖片並打印識別的文字。

with open('img.png', 'rb') as fp:
    image = fp.read()
    text_list = client.basicAccurate(image)['words_result']
    for text in text_list:
        print(text['words'])

運行結果如圖所示：

我們還可增加一個無限循環使得一直能截圖。

調用打包程序生成專屬識別文字小程序

用pyinstaller庫實現小程序的打包，生成.exe文件，這樣就能隨時識別文字瞭。在命令行中用pyinstaller xxx.py來打包生成exe文件，最後在生成的dist文件夾即可找到xxx.exe文件如下：

最後附上整個源代碼：

#引入截圖軟件，獲取文件到本地端,並識別圖片文字，最後打包
import keyboard #控制鍵盤
from PIL import ImageGrab #保存圖片
import time
from aip import AipOcr

""" 你的 APPID AK SK """
APP_ID = '17076767'
API_KEY = 'Af3Rj5HALMz5AN8prSgwTH4m'
SECRET_KEY = '******************'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
i = 0

while True:
    #1.截圖
    keyboard.wait('ctrl+alt+a')
    print('開始截圖')

    keyboard.wait('enter')
    print('保存截圖')
    time.sleep(0.1)

    #2.保存圖片
    image = ImageGrab.grabclipboard()
    image.save('img{}.png'.format(i))


    """ 調用通用文字識別（高精度版） """

    with open('img{}.png'.format(i), 'rb') as fp:
        image = fp.read()
        text_list = client.basicAccurate(image)['words_result']
        for text in text_list:
            print(text['words'])

    i+=1

附圖圖片識別案例

到此這篇關於十行Python代碼實現文字識別功能的文章就介紹到這瞭,更多相關Python文字識別內容請搜索LevelAH以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持LevelAH！

推薦閱讀：