用python帮别人写了个文字识别程序

前言

就在前几天一个大一学妹打破了我繁忙的生活，我纳闷了，直接问她啥事啊(老直男了)

原来是找我帮个忙，作为好学长那肯定得助人为乐啊…

话不多说，进入正题

一.需求分析

根据学妹的描述来看，就只是想要一个能识别图片文字的程序，那就不管啥排版了，直接依次识别算了，主要是忙…那我直接用百度的ocr就行了，半小时搞定它！

二.代码实现

1.百度文字识别

文字识别官方入口
https://ai.baidu.com/tech/ocr/general

点击立即使用，我们就白嫖吧，反正一个月也用不到1000次

创建应用，输入应用名称，这个随意哈，然后选一个文字识别-免费的，有钱的话当我没说。
下图创建成功。

一会API Key和Secret Key是要使用的。

2.查看文档获取access_token

接下来就要去看看文档了，看是怎么使用的
https://ai.baidu.com/ai-doc/OCR/1k3h7y3db

不会看文档的小伙伴，我直接就讲我需要的东西了，其余的大家自己学着看吧。
从文档来看，我们首先要获取一个东西——access_token

官网代码

# encoding:utf-8
import requests 

# client_id 为官网获取的AK， client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'
response = requests.get(host)
if response:
    print(response.json())

我的代码

import requests



def access_token():
    url = 'https://aip.baidubce.com/oauth/2.0/token'
    token_ = {
     
        'grant_type': 'client_credentials',
        # API Key
        'client_id': '官网获取的AK',
        # ecret Key
        'client_secret': '官网获取的SK'
    }
    res = requests.post(url, data=token_)
    res = res.json()
    print(res)
    access_token = res['access_token']
    print(access_token)
    return access_token

if __name__ == '__main__':
    access_token()

官网说推荐使用post，那我们就用post，但是官方代码是用的get这种方法，其实结果都一样，都能得到需要的数据。只不过官方的代码还需要一步提取出access_token。

access_token = response.json()['access_token']

然后就能得到access_token了。

如果在这个过程中遇到错误，文档也有，而且会比我讲的详细，所以遇到问题的话可以先看文档，实在不行可以问我。
获取access_token的函数

def access_token():
    url = 'https://aip.baidubce.com/oauth/2.0/token'
    token_ = {
     
        'grant_type': 'client_credentials',
        # API Key
        'client_id': '自己获取',
        # ecret Key
        'client_secret': '自己获取'
    }
    res = requests.post(url, data=token_)
    res = res.json()
    print(res)
    access_token = res['access_token']
    print(access_token)
    return access_token

当我们需要用时直接调用就行了。

根据文档的说明，我们就开始写读取图片的代码了

3.图片代码

def raed_pic():

    url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate"
    request_url = url + "?access_token=" + access_token()
    f = open('6.jpg', 'rb')
    img = base64.b64encode(f.read())
    # 参数看文档
    params = {
     "image": img,
              "language_type": "CHN_ENG",
              "recognize_granularity": "small",
              }
    headers = {
     'content-type': 'application/x-www-form-urlencoded'}
    response = requests.post(request_url, data=params, headers=headers)
    # print(response)
    # res = response.json()
    # print(res)
    # 判断是否响应成功
    if response:
    	# 保存读出文字的文件，自动创建
        file_name = "yiming6.txt"
        # 这个没说的了，就是写入操作
        with open(file_name, 'w', encoding='utf-8') as f:
            for j in res:
                f.write(j["words"] + "\n")

4.代码部分解读

从json分析来看我们只要提取当中的words_result里面的words

关于base64，大家可以看这篇文章
https://www.cnblogs.com/longwhite/p/10397707.html

三.效果展示

效果如下：

nice！当然可以写个循环然后直接遍历一个文件夹里面的所有图片，就可以得到每张图的文字了，再读取里面的文字放在同一个txt文件里面，有闲工夫的小伙伴可以试一试，我就不写了。最后也成功得到学妹的奶茶，就不上图片了,嘻嘻嘻~

---

喜欢的小伙伴记得点赞！需要源码可以加我qq：2024810652