十行Python代码实现文字识别功能

2024-04-02 19:55

短信预约 -IT技能 免费直播动态提醒

1.环境和配置要求

整体是用Python实现，所需要使用的第三方库包括aip、PIL、keyboard、pyinstaller，如未安装，可在CMD中使用pip install Baidu-AIP/pillow/keyboard/pyinstaller指令安装。

百度接口

打开网址,如未注册请先注册，然后登录点击管理控制台，点击左侧产品服务→人工智能→文字识别，点击创建应用，输入应用名称如Baidu_OCR，选择用途如学习办公，最后进行简单应用描述，即可点击立即创建。会出现应用列表，包括AppID、API Key、Secret Key等信息，这些稍后会用到。

2.具体实现步骤

整个程序的大致思路是，在用截图软件获得截图之后，交给百度接口识别，并返回结果，当然，也可以是本地图片识别，我用的是QQ自带截图软件，快捷键CTRL+ALT+A用来打开截图，在选中所截区域后，按Enter键即可保存到粘贴板中，也可用其他截图软件。

获取截图

keyboard类库是用来监听键盘动作的，所以在有快捷键按下之后，便会有相应动作。并用PIL中的ImageGrab来获取到剪切板中的图片并生成本地图片文件。

#1.截图
keyboard.wait('ctrl+alt+a')
print('开始截图')
 
keyboard.wait('enter')
print('保存截图')
time.sleep(0.1)
 
#2.保存图片
image = ImageGrab.grabclipboard()
image.save('img.png')

调用Baidu aip识别并打印文字

先用注册时生成的应用的AppID、API Key、Secret Key初始化应用，再读取保存到的图片并打印识别的文字。

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'])

运行结果如图所示：

我们还可增加一个无限循环使得一直能截图。

调用打包程序生成专属识别文字小程序

用pyinstaller库实现小程序的打包，生成.exe文件，这样就能随时识别文字了。在命令行中用pyinstaller xxx.py来打包生成exe文件，最后在生成的dist文件夹即可找到xxx.exe文件如下：

最后附上整个源代码：

#引入截图软件，获取文件到本地端,并识别图片文字，最后打包
import keyboard #控制键盘
from PIL import ImageGrab #保存图片
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.截图
    keyboard.wait('ctrl+alt+a')
    print('开始截图')

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

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


    """ 调用通用文字识别（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

附图图片识别案例