本文的OCR當然不是自己從頭開發(fā)的,是基于百度智能云提供的API(我感覺是百度在中國的人工智能領域值得稱贊的一大貢獻),其提供的API完全可以滿足個人使用,相對來說簡潔準確率高。
安裝OCR Python SDK
OCR Python SDK目錄結(jié)構(gòu)
├── README.md
├── aip //SDK目錄
│ ├── __init__.py //導出類
│ ├── base.py //aip基類
│ ├── http.py //http請求
│ └── ocr.py //OCR
└── setup.py //setuptools安裝
支持Python版本:2.7.+ ,3.+
安裝使用Python SDK有如下方式:
如果已安裝pip,執(zhí)行pip install baidu-aip即可。
如果已安裝setuptools,下載后執(zhí)行python setup.py install即可。
代碼實現(xiàn)
下面讓我們來看一下代碼實現(xiàn)。
主要使用的模塊有
import os # 操作系統(tǒng)相關(guān)
import sys # 系統(tǒng)相關(guān)
import time # 時間獲取
import signal # 系統(tǒng)信號
import winsound # 提示音
from aip import AipOcr # 百度OCR API
from PIL import ImageGrab # 捕獲剪切板中的圖片
import win32clipboard as wc # WINDOWS 剪切板操作
import win32con # 這里用于獲取 WINDOWS 剪貼板數(shù)據(jù)的標準格式
第一步 這里的APP_ID,API_KEY,SECRET_KEY是通過登陸百度智能云后自己在OCR板塊申請的, 實現(xiàn)基本的OCR程序,可以通過圖片獲取文字。
""" 你的 APPID AK SK """
APP_ID = 'xxx'
API_KEY = 'xxx'
SECRET_KEY = 'xxx'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
""" 讀取圖片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
""" 從API的返回字典中獲取文字 """
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: # 這里使用字符串長度決定了文本是否換行,讀者可以根據(jù)自己的喜好控制回車符的輸出,實現(xiàn)可控的文本顯示形式
txt = txt + "\n\n"
return txt
""" 調(diào)用通用/高精度文字識別, 圖片參數(shù)為本地圖片 """
def BaiduOcr(imageName,Accurate=True):
image = get_file_content(imageName)
if Accurate:
return getOcrText(client.basicGeneral(image))
else:
return getOcrText(client.basicAccurate(image))
""" 帶參數(shù)調(diào)用通用文字識別, 圖片參數(shù)為遠程url圖片 """
def BaiduOcrUrl(url):
return getOcrText(client.basicGeneralUrl(url))
第二步,實現(xiàn)快捷鍵獲取文字,將識別文字放入剪切板中,提示音提醒以及快捷鍵退出程序
""" 剪切板操作函數(shù) """
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()
""" 截圖后,調(diào)用通用/高精度文字識別"""
def BaiduOcrScreenshots(Accurate=True,path="./",ifauto=False):
if not os.path.exists(path):
os.makedirs(path)
image = ImageGrab.grabclipboard()
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")))
os.remove(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):
sys.exit(0)
def removeTempFile(file = [".txt",".png"],path="./"):
if not os.path.exists(path):
os.makedirs(path)
pathDir = os.listdir(path)
for i in pathDir:
for j in file:
if j in i:
os.remove(path+i)
def AutoOcrFile(path="./",filetype=[".png",".jpg",".bmp"]):
if not os.path.exists(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()
break
else :
pass
finally:
pass
最終運行函數(shù) AutoOcrScreenshots 函數(shù)便可以實現(xiàn)了:
if __name__ == '__main__':
AutoOcrScreenshots()
使用方法
使用 Windows 10 系統(tǒng)時,將以上代碼放置在一個 .py 文件下,然后運行便可以使用Shift+Win+S快捷鍵實現(xiàn)任意區(qū)域截取,截取后圖片將暫時存放在剪切板中,程序自動使用Windows API獲取圖片內(nèi)容,之后使用百度的OCR API獲取文字,并將文字放置在剪切版內(nèi)存中后發(fā)出提示音。
使用者則可以在開啟程序后,使用快捷鍵截圖后靜待提示音后使用Ctrl+V將文字內(nèi)容放置在自己所需的位置。
補充:Python 中文OCR
有個需求,需要從一張圖片中識別出中文,通過python來實現(xiàn),這種這么高大上的黑科技我們普通人自然搞不了,去github找了一個似乎能滿足需求的開源庫-tesseract-ocr:
Tesseract的OCR引擎目前已作為開源項目發(fā)布在Google Project,其項目主頁在這里查看https://github.com/tesseract-ocr,
它支持中文OCR,并提供了一個命令行工具。python中對應的包是pytesseract. 通過這個工具我們可以識別圖片上的文字。
筆者的開發(fā)環(huán)境如下:
macosx
python 3.6
brew
安裝tesseract
安裝python對應的包:pytesseract
怎么用?
如果要識別中文需要下載對應的訓練集:https://github.com/tesseract-ocr/tessdata,下載”chi_sim.traineddata”,然后copy到訓練數(shù)據(jù)集的存放路徑,如:
具體代碼就幾行:
#!/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速度比較慢,大家可以拿一張包含中文的圖片試驗一下。
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方,望不吝賜教。
您可能感興趣的文章:- 基于Python實現(xiàn)對PDF文件的OCR識別
- 初探利用Python進行圖文識別(OCR)
- 如何使用Python進行OCR識別圖片中的文字
- python3安裝OCR識別庫tesserocr過程圖解
- Python文字截圖識別OCR工具實例解析
- Python圖像處理之圖片文字識別功能(OCR)
- python實現(xiàn)百度OCR圖片識別過程解析
- Python基于百度AI實現(xiàn)OCR文字識別
- Python3實現(xiàn)騰訊云OCR識別
- 小白學Python之實現(xiàn)OCR識別