快速调用百度AI开放平台的API，以OCR通用文字识别为例（封装函数进行连续调用）

博客主页：真的睡不醒

系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发

每日语录：眼里有不朽的光芒 心里有永恒的希望。

感谢大家点赞收藏⭐指正✍️

前言

        百度开放平台允许开发者访问和利用百度的各种服务和功能，包括语音识别、人脸识别、文字识别、自然语言处理等等。这些API能够满足我们绝大部分需求，来供我们学习和使用。本文就OCR文字识别为例，详细介绍新手小白如何调用百度开放平台的API。

前期准备工作

1、注册一个百度AI开放平台的账号

网址：百度AI开放平台-全球领先的人工智能服务平台 (baidu.com)

2、编译器:Pycharm

搜索 OCR文字识别，点击立即使用。

进入到OCR文字识别的界面，点击“去领取”。

        百度开放平台是可以免费试用的，一个月可以调用几千次，足够我们用来学习和使用。

        直接点击全部领取。

点击应用列表，进行创建应用（信息随便填，但也不要太离谱，SDK不要选择）

        这里特别需要注意的是，你需要保管好API Key 和Secret Key，后边会使用到。

正式调用环节(仅需两步)

获取你的access_token

        首先，我们获得access_token,具体的方法是通过百度的API文档中获得，很简单，上图！

        搜索文字识别，选择“调用方式这一栏”，可以看到，官方给出了多种语言用来获取access_token,这里我选择python。将代码复制到pycharm，并将你的API Key 和Secret Key分别替换掉host中的“【官网获取的AK】”和“【官网获取的SK】”，运行代码就可以拿到你的access_token了。

        为了方便大家，这里直接附上代码。我对代码进行了部分修改，大家可以直接替换掉client_id和client_secret即可。

# encoding:utf-8
import requests 

# 替换下面的【官网获取的AK】和【官网获取的SK】为你的实际API密钥和密钥
client_id = 'YOUR_CLIENT_ID'
client_secret = 'YOUR_CLIENT_SECRET'

# 构建获取访问令牌的URL
token_url = f'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={client_id}&client_secret={client_secret}'

# 发送请求获取访问令牌
response = requests.get(token_url)

# 检查响应状态码
if response.status_code == 200:
    access_token = response.json()['access_token']
    print(f"Access Token: {access_token}")
else:
    print("Failed to obtain Access Token")

正式开始调用

        随机选择一个文字识别场景，这里我选择了通用文字识别（高精度版本）。

        复制里边的代码，并将自己的access_token添加上去，就可以进行文字识别了！

测试

        随机截取了一张图片，来测试一下效果如何。

        部分结果展示：

        可以看到效果还是非常好的。

经验之谈（点赞、收藏、关注、不迷路）

        需要特别注意的是，我们获得到的 access_token 具有时效性，通常在30天后会失效，因此需要定期重新获取。并且，官方给的代码，我们每次需要识别图片的时候，都需要更改图片的途径，这样非常麻烦，为了一劳永逸，这里建议将代码进行打包封装。这样在我们的项目中，如果需要识别图片中的文字，只需要调用相应的函数就行了。这里我直接贴出封装后的代码，需要进行文字识别的时候只需要调用ocr_image()函数即可。

# coding=utf-8

import sys
import json
import base64
import requests

# 保证兼容python2以及python3
IS_PY3 = sys.version_info.major == 3

API_KEY = '你的API Key'
SECRET_KEY = '你的Secret Key'
OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'


"""
    获取access token
"""
def fetch_token():
    params = {'grant_type': 'client_credentials', 'client_id': API_KEY, 'client_secret': SECRET_KEY}
    response = requests.post(TOKEN_URL, params=params)
    result = response.json()

    if ('access_token' in result.keys() and 'scope' in result.keys()):
        if not 'brain_all_scope' in result['scope'].split(' '):
            print ('please ensure has check the  ability')
            exit()
        return result['access_token']
    else:
        print ('please overwrite the correct API_KEY and SECRET_KEY')
        exit()


"""
    读取文件
"""
def read_file(image_path):
    with open(image_path, 'rb') as f:
        return f.read()


"""
    调用远程服务
"""
def request(url, data):
    response = requests.post(url, data=data.encode('utf-8'))
    if response.status_code == 200:
        return response.text
    else:
        print("Error response {}".format(response.status_code))


def ocr_image(image_path, access_token):
    # 调用OCR服务
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    with open(image_path, 'rb') as f:
        image_data = f.read()
    params = {'access_token': access_token, 'image': base64.b64encode(image_data)}
    response = requests.post(OCR_URL, headers=headers, data=params)

    # 解析OCR结果
    result = ''
    result_json = response.json()
    for words_result in result_json["words_result"]:
        result += words_result["words"] + '\n'

    return result


if __name__ == '__main__':
    # 获取access token
    token = fetch_token()

    # 调用文字识别服务
    result = ocr_image(r"runs/detect/exp160/crops/plate/2.jpg", token)

    # 打印文字
    print(result)

看到这里，相信你已经能够掌握如何调用百度开放平台的API，关注我，后续会有更多的人工智能相关的保姆级教程。