• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    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:
      return fp.read()
    
    """ 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 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找了一个似乎能满足需求的开源库-tesseract-ocr:

    Tesseract的OCR引擎目前已作为开源项目发布在Google Project,其项目主页在这里查看https://github.com/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?

    如果要识别中文需要下载对应的训练集:https://github.com/tesseract-ocr/tessdata,下载”chi_sim.traineddata”,然后copy到训练数据集的存放路径,如:

    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脚本之家。如有错误或未考虑完全的地方,望不吝赐教。

    您可能感兴趣的文章:
    • 基于Python实现对PDF文件的OCR识别
    • 初探利用Python进行图文识别(OCR)
    • 如何使用Python进行OCR识别图片中的文字
    • python3安装OCR识别库tesserocr过程图解
    • Python文字截图识别OCR工具实例解析
    • Python图像处理之图片文字识别功能(OCR)
    • python实现百度OCR图片识别过程解析
    • Python基于百度AI实现OCR文字识别
    • Python3实现腾讯云OCR识别
    • 小白学Python之实现OCR识别
    上一篇:如何用Python中Tushare包轻松完成股票筛选(详细流程操作)
    下一篇:基于pykeyboard的用法说明
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Python 实现任意区域文字识别(OCR)操作 Python,实现,任意,区域,文字,