文字提取效率工具开发案例

个人开发者小乐崇尚高效便捷的生活方式，业余生活中热爱阅读，在阅读的过程中，他希望能快速的将有价值的内容保存下来，方便日后回顾整理，但市面上已有的文字转写工具识别准确率低且价格昂贵，无法满足需求。

因此，小乐决心自己开发一个专注于高精度OCR识别的效率工具，识别的准确率及速度是决定产品可用性的关键因素。通过对比不同平台的OCR识别产品，小乐最终决定基于百度OCR通用文字识别能力进行开发。在满足自己日常需求的同时，将这款产品提供给更多有需求的用户使用，解决纸质文件电子化存档、检索、纸质书摘录等多种场景下无法快速提取图片内文字内容的问题，使文字信息的提取变得无比轻松。

下面看看如何使用百度AI开放平台的文字识别能力快速构建一个准确高效的文字识别工具

实现步骤

只需三步，1小时内即可完成文字识别接口的调用。

Step1:成为百度AI开放平台的开发者

要调用百度AI开放平台的文字识别能力先要成为百度AI开放平台的开发者，首先让我们花5分钟来注册百度AI开放平台的开发者，并新建一个文字识别应用。

先点击此处注册百度账户进入 如下图 的页面快速的建立一个百度账号吧。

图片

我们有账号之后登录，并且点击此处创建一个应用，如下图

图片

然后就能看到创建完的应用和 API KEY 以及 Secret KEY了

图片

Step2:准备数据

文字识别服务可以让小乐把自己拍摄的含有文字的图片转化成文本数据，然后就可以对文字进行编辑等操作，我们看下小乐拍摄的书籍某页的图片

书籍页面图片:

合规图片

Step3: 编写一个示例程序

有 第一步 的 API KEY 以及 Secret KEY，以及 第二步 的数据，我们就可以写一个示例代码调用百度AI开放平台的文字识别能力

准备开发环境

我们选择用 Python来快速搭建一个原型，关于如何安装python。可以参考下表列出的不同操作系统的安装方法进行安装。

Python的官方下载地址：下载Python

image

Windows 快速测试包

Windows平台的用户如果对上述的python安装感到困难，可以下载我们的一键测试包，下载地址：Windows测试包。

解压zip文件后，双击run.bat即可测试。

编写代码

新建一个 main.py

粘贴以下内容，不要忘记替换你的 API_KEY 以及 SECRET_KEY：

# coding=utf-8

import sys
import json
import base64

# 保证兼容python2以及python3
IS_PY3 = sys.version_info.major == 3
if IS_PY3:
    from urllib.request import urlopen
    from urllib.request import Request
    from urllib.error import URLError
    from urllib.parse import urlencode
    from urllib.parse import quote_plus
else:
    import urllib2
    from urllib import quote_plus
    from urllib2 import urlopen
    from urllib2 import Request
    from urllib2 import URLError
    from urllib import urlencode

# 防止https证书校验不正确
import ssl
ssl._create_default_https_context = ssl._create_unverified_context

API_KEY = 'GmhC18eVP1Fo1ECX911dtOzw'

SECRET_KEY = 'PQ2ukO4Aec2PTsgQU9UkiEKYciavlZk8'

OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"

"""  TOKEN start """
TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'

"""
    获取token
"""
def fetch_token():
    params = {'grant_type': 'client_credentials',
              'client_id': API_KEY,
              'client_secret': SECRET_KEY}
    post_data = urlencode(params)
    if (IS_PY3):
        post_data = post_data.encode('utf-8')
    req = Request(TOKEN_URL, post_data)
    try:
        f = urlopen(req, timeout=5)
        result_str = f.read()
    except URLError as err:
        print(err)
    if (IS_PY3):
        result_str = result_str.decode()

    result = json.loads(result_str)

    if ('access_token' in result.keys() and 'scope' in result.keys()):
        if not 'brain_all_scope' in result['scope'].split(' '):
            print ('please ensure has check the  ability')
            exit()
        return result['access_token']
    else:
        print ('please overwrite the correct API_KEY and SECRET_KEY')
        exit()

"""
    读取文件
"""
def read_file(image_path):
    f = None
    try:
        f = open(image_path, 'rb')
        return f.read()
    except:
        print('read image file fail')
        return None
    finally:
        if f:
            f.close()

"""
    调用远程服务
"""
def request(url, data):
    req = Request(url, data.encode('utf-8'))
    has_error = False
    try:
        f = urlopen(req)
        result_str = f.read()
        if (IS_PY3):
            result_str = result_str.decode()
        return result_str
    except  URLError as err:
        print(err)

if __name__ == '__main__':

    # 获取access token
    token = fetch_token()

    # 拼接通用文字识别高精度url
    image_url = OCR_URL + "?access_token=" + token

    text = ""

    # 读取书籍页面图片
    file_content = read_file('./text.jpg')

    # 调用文字识别服务
    result = request(image_url, urlencode({'image': base64.b64encode(file_content)}))

    # 解析返回结果
    result_json = json.loads(result)
    for words_result in result_json["words_result"]:
        text = text + words_result["words"]

    # 打印文字
    print(text)

运行代码

在命令行中运行python main.py

结果

代码正确运行后，命令行界面上会显示出如下运行结果：

中午,胡小懒跟公司的同事去附近的餐馆吃饭,附近所有的餐馆都人满为患,往往需要等位,午餐时间至少需要45分钟吃完午饭回来,趴在桌子上睡个午觉,午睡醒来后,胡小懒往往觉得这一天才真正开始。通常,胡小懒要用至少半个小时的时间才能从午睡状态中清醒过来,再处理一些琐事,下午就这么过去了。如果部门开会,时间就在领导的演讲和大家低头玩手机中度过了。上良下班后吃点东西,坐地铁回到家,已经八点左右了。他虽然白天在公司没做什么事情,但下班回家后仍然觉得十分累,除了窝在床上看美剧之外,别的什么也不想做。胡小懒临睡前看着乱糟糟的房间,眉头一皱,但心里却乐观地期待着周末的到来,想着周末一定要大干一场,让整个房间焕然一新。可周末到了,就真的能够像他自己期待的那样吗?,个胡小懒的周末通常是这样过的:宅在家里随便找部美剧或者网络小说打发时间,觉得日子过得很惬意。朋友邀请过他很多次,想周末一起吃个饭,但胡小懒都以“下次吧”敷衍了过去。因为他觉得,好好一个周末,还需要像平时一样穿得周周正正地出门,还得坐车去到约好的地点,真是太烦人了。不个一就这样,与胡小懒联系的朋友越来越少,而他自己根本就没有意识到。后宫不共像胡小懒这样看似每天都有事做,实际上却是一直在混日子的上班族并不少见。而他们中的很多人并不觉得自己是在混日子,只是怀才不遇。一5窗人靠中爱因斯坦在解释相对论时曾说过一个著名的比喻:“一个男人与美女对坐1小时,会觉得似乎只过了1分钟;但如果让他坐在热火炉上1

返回的数据包含了图片中所有文字，详细的接口返回可以查看文档 文字识别API文档

了解更多

示例源代码

您可以在我们的官方github上下载示例源码

https://github.com/Baidu-AIP/QuickStart/tree/master/OCR

产品特色

1. 产品丰富： 提供 33 款专用文字识别产品 + 2 款自定义模板文字识别产品，全方位满足各场景识别需求；
2. 准确率高： 提供多场景、多语种、高精度的整图文字检测和识别服务，准确率可达99%，多项ICDAR指标居世界第一
3. 价格实惠： 各个接口均提供免费调用量，超出后方进行计费，阶梯计费价格最低可达 0.002 元/次，同时提供 QPS计费、次数包等多种计费方式可供选择
4. 服务稳定： 依托百度云技术实力，提供高可靠性、弹性可伸缩、高并发承载的文字识别服务，服务可用性高达99.99%

更多参考

文字识别文档

如何获取API Key和Secret Key

10分钟快速掌握文字识别