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:
ad()
""" 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 ists(path):
os.makedirs(path)
image = abclipboard()
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")))
# 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):
def removeTempFile(file = [".txt",".png"],path="./"):
if not ists(path):
os.makedirs(path)
pathDir = os.listdir(path)
for i in pathDir:
for j in file:
if j in i:
def AutoOcrFile(path="./",filetype=[".png",".jpg",".bmp"]):
if not ists(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()
python怎么读取py文件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了⼀个似乎能满⾜需求的开源库-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？
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。如有错误或未考虑完全的地⽅，望不吝赐教。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论