幾行Python代碼實現文字識別,你敢信?
今天給大家分享的主題是用百度的接口實現圖片的文字識別。

環境和配置要求
整體是用Python實現,所需要使用的第三方庫包括aip、PIL、keyboard、pyinstaller,如未安裝,可在CMD中使用pip install Baidu-AIP/pillow/keyboard/pyinstaller指令安裝。
百度接口
打開https://cloud.baidu.com/,
如未注冊請先注冊,然后登錄點擊管理控制臺,點擊左側產品服務→人工智能→文字識別,點擊創建應用,輸入應用名稱如Baidu_OCR,選擇用途如學習辦公,最后進行簡單應用描述,即可點擊立即創建。
會出現應用列表,包括AppID、API Key、Secret Key等信息,這些稍后會用到。

打開步驟

具體實現步驟
整個程序的大致思路是,在用截圖軟件獲得截圖之后,交給百度接口識別,并返回結果,當然,也可以是本地圖片識別,我用的是QQ自帶截圖軟件,快捷鍵CTRL+ALT+A用來打開截圖,在選中所截區域后,按Enter鍵即可保存到粘貼板中,也可用其他截圖軟件。
①獲取截圖
keyboard類庫是用來監聽鍵盤動作的,所以在有快捷鍵按下之后,便會有相應動作。并用PIL中的ImageGrab來獲取到剪切板中的圖片并生成本地圖片文件。
#1.截圖
keyboard.wait('ctrl+alt+a')
print('開始截圖')
keyboard.wait('enter')
print('保存截圖')
time.sleep(0.1)
#2.保存圖片
image = ImageGrab.grabclipboard()image.save('img.png')
②調用Baidu aip識別并打印文字
先用注冊時生成的應用的AppID、API Key、Secret Key初始化應用,再讀取保存到的圖片并打印識別的文字。
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'])
運行結果如圖所示:

運行截圖
我們還可增加一個無限循環使得一直能截圖。
③調用打包程序生成專屬識別文字小程序
用pyinstaller庫實現小程序的打包,生成.exe文件,這樣就能隨時識別文字了。在命令行中用pyinstaller xxx.py來打包生成exe文件,最后在生成的dist文件夾即可找到xxx.exe文件如下:
專屬文字識別小程序
完整源代碼下載見文末!
附圖圖片識別案例



























