Python 实现任意区域文字识别(OCR)操作

本文的OCR当然不是自己从头开发的，是基于百度智能云提供的API（我感觉是百度在中国的人工智能领域值得称赞的一大贡献），其提供的API完全可以满足个人使用，相对来说简洁准确率高。

安装OCR Python SDK

OCR Python SDK目录结构

├── README.md
├── aip     //SDK目录
│ ├── __init__.py  //导出类
│ ├── base.py   //aip基类
│ ├── http.py   //http请求
│ └── ocr.py   //OCR
└── setup.py    //setuptools安装

支持Python版本：2.7.+ ,3.+

安装使用Python SDK有如下方式：

如果已安装pip，执行pip install baidu-aip即可。

如果已安装setuptools，下载后执行python setup.py install即可。

代码实现

下面让我们来看一下代码实现。

主要使用的模块有

import os # 操作系统相关
import sys # 系统相关
import time # 时间获取
import signal # 系统信号
import winsound # 提示音
from aip import AipOcr # 百度OCR API
from PIL import ImageGrab # 捕获剪切板中的图片
import win32clipboard as wc # WINDOWS 剪切板操作
import win32con # 这里用于获取 WINDOWS 剪贴板数据的标准格式

第一步 这里的APP_ID,API_KEY,SECRET_KEY是通过登陆百度智能云后自己在OCR板块申请的, 实现基本的OCR程序，可以通过图片获取文字。

""" 你的 APPID AK SK """
APP_ID = 'xxx'
API_KEY = 'xxx'
SECRET_KEY = 'xxx'

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()

""" 从API的返回字典中获取文字 """
def getOcrText(txt_dict):
 txt = ""
 if type(txt_dict) == dict:
 for i in txt_dict['words_result']:
 txt = txt + i["words"]
 if len(i["words"]) < 25: # 这里使用字符串长度决定了文本是否换行，读者可以根据自己的喜好控制回车符的输出，实现可控的文本显示形式
 txt = txt + "\n\n"
 return txt

""" 调用通用/高精度文字识别, 图片参数为本地图片 """
def BaiduOcr(imageName,Accurate=True):
 image = get_file_content(imageName)
 if Accurate:
 return getOcrText(client.basicGeneral(image))
 else:
 return getOcrText(client.basicAccurate(image))
 
""" 带参数调用通用文字识别, 图片参数为远程url图片 """
def BaiduOcrUrl(url): 
 return getOcrText(client.basicGeneralUrl(url))

第二步，实现快捷键获取文字，将识别文字放入剪切板中，提示音提醒以及快捷键退出程序

""" 剪切板操作函数 """
def get_clipboard():
 wc.OpenClipboard()
 txt = wc.GetClipboardData(win32con.CF_UNICODETEXT)
 wc.CloseClipboard()
 return txt

def empty_clipboard():
 wc.OpenClipboard()
 wc.EmptyClipboard()
 wc.CloseClipboard()

def set_clipboard(txt):
 wc.OpenClipboard()
 wc.EmptyClipboard()
 wc.SetClipboardData(win32con.CF_UNICODETEXT, txt)
 wc.CloseClipboard()
 
""" 截图后,调用通用/高精度文字识别"""
def BaiduOcrScreenshots(Accurate=True,path="./",ifauto=False):
 if not os.path.exists(path):
 os.makedirs(path)
 image = ImageGrab.grabclipboard()
 if image != None:
 print("\rThe image has been obtained. Please wait a moment!",end=" ")
 filename = str(time.time_ns())
 image.save(path+filename+".png")
 if Accurate:
 txt = getOcrText(client.basicAccurate(get_file_content(path+filename+".png")))
 else: 
 txt = getOcrText(client.basicGeneral(get_file_content(path+filename+".png")))
 os.remove(path+filename+".png")
 # f = open(os.path.abspath(path)+"\\"+filename+".txt",'w')
 # f.write(txt)
 set_clipboard(txt)
 winsound.PlaySound('SystemAsterisk',winsound.SND_ASYNC)
 # os.startfile(os.path.abspath(path)+"\\"+filename+".txt")
 # empty_clipboard()
 return txt
 else :
 if not ifauto:
 print("Please get the screenshots by Shift+Win+S!  ",end="")
 return ""
 else:
 print("\rPlease get the screenshots by Shift+Win+S !  ",end="")

def sig_handler(signum, frame):
 sys.exit(0)
 
def removeTempFile(file = [".txt",".png"],path="./"):
 if not os.path.exists(path):
 os.makedirs(path)
 pathDir = os.listdir(path)
 for i in pathDir:
 for j in file:
 if j in i:
 os.remove(path+i)

def AutoOcrFile(path="./",filetype=[".png",".jpg",".bmp"]):
 if not os.path.exists(path):
 os.makedirs(path)
 pathDir = os.listdir(path)
 for i in pathDir:
 for j in filetype:
 if j in i:
 f = open(os.path.abspath(path)+"\\"+str(time.time_ns())+".txt",'w')
 f.write(BaiduOcr(path+i))
 break

def AutoOcrScreenshots():
 signal.signal(signal.SIGINT, sig_handler)
 signal.signal(signal.SIGTERM, sig_handler)
 print("Waiting For Ctrl+C to exit ater removing all picture files and txt files!")
 print("Please get the screenshots by Shift+Win+S !",end="")
 while(1):
 try:
 BaiduOcrScreenshots(ifauto=True)
 time.sleep(0.1)
 except SystemExit:
 removeTempFile()
 break
 else :
 pass
 finally:
 pass

最终运行函数 AutoOcrScreenshots 函数便可以实现了：

if __name__ == '__main__':
 AutoOcrScreenshots()

使用方法

使用 Windows 10 系统时，将以上代码放置在一个 .py 文件下，然后运行便可以使用Shift+Win+S快捷键实现任意区域截取，截取后图片将暂时存放在剪切板中，程序自动使用Windows API获取图片内容，之后使用百度的OCR API获取文字，并将文字放置在剪切版内存中后发出提示音。

使用者则可以在开启程序后，使用快捷键截图后静待提示音后使用Ctrl+V将文字内容放置在自己所需的位置。

补充：Python 中文OCR

有个需求，需要从一张图片中识别出中文，通过python来实现，这种这么高大上的黑科技我们普通人自然搞不了，去github找了一个似乎能满足需求的开源库-tesseract-ocr：

Tesseract的OCR引擎目前已作为开源项目发布在Google Project，其项目主页在这里查看https://github.com/tesseract-ocr，

它支持中文OCR，并提供了一个命令行工具。python中对应的包是pytesseract. 通过这个工具我们可以识别图片上的文字。

笔者的开发环境如下：

macosx

python 3.6

brew

安装tesseract

brew install tesseract

安装python对应的包：pytesseract

pip install pytesseract

怎么用？

如果要识别中文需要下载对应的训练集：https://github.com/tesseract-ocr/tessdata，下载”chi_sim.traineddata”，然后copy到训练数据集的存放路径，如：

具体代码就几行:

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import pytesseract
from PIL import Image

# open image
image = Image.open('test.png')
code = pytesseract.image_to_string(image, lang='chi_sim')
print(code)

OCR速度比较慢，大家可以拿一张包含中文的图片试验一下。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。