基于百度云的OCR识别（Python）

2019年7月3日早上，在百度AI开发者大会上，一个来自山西的青年，将一瓶矿泉水浇在了同样来自山西的李彦宏身上。

可以回顾一下 https://b23.tv/av57665929/p1 ，着实让人一惊，这么大的会议上既然让人这么容易接近大佬。

（图片来源网络）

OCR识别准备工作

百度云真的是测试接口的天堂，免费接口很多，当然有量的限制，但个人使用是完全够用的，什么人脸识别、MQTT服务器、语音识别等等，应有尽有吧

看看OCR识别免费的量

第一步：

创建一个文字识别的应用，也就是向百度云申请一个文字识别的用户接口

第二步：

打开技术文档，基本涵盖了当今流行的编程语言

https://cloud.baidu.com/doc/OCR/s/ejwvxzls6/

C++SDK文档 Android-SDK文档 Java-SDK文档 Node-SDK文档
PHP-SDK文档 Python-SDK文档 C#SDK文档 iOS-SDK文档

第三步：

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.+

安装命令：

在win10环境下通过cmd安装后需要关掉当前cmd窗口，重新打开cmd窗口进行命令执行python程序方可正确实现

pip install baidu-aip

测试代码

通用文字识别

from aip import AipOcr

#更换为自己的注册信息

APP_ID = '---'

API_KEY = '---'

SECRET_KEY = '---'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接

fp=open("tu2.png","rb").read()#打开并读取文件内容

res=client.basicGeneral(fp)#普通

#print(res)

#将所有的文字都合并到一起

strx=""

for tex in res["words_result"]:#遍历结果

    strx+=tex["words"]#每一行

print(strx)#输出内容

通用文字识别（高精度版）

from aip import AipOcr

#更换为自己的注册信息

APP_ID = '---'

API_KEY = '---'

SECRET_KEY = '---'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接

fp=open("tu2.png","rb").read()#打开并读取文件内容

#res=client.basicGeneral(fp)#普通

res=client.basicAccurate(fp)#高精度

#print(res)

#将所有的文字都合并到一起

strx=""

for tex in res["words_result"]:#遍历结果

    strx+=tex["words"]#每一行

print(strx)#输出内容

URL图片地址方式

from aip import AipOcr

#更换为自己的注册信息

APP_ID = '----'

API_KEY = '----'

SECRET_KEY = '-----'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接

url = "https://img2018.cnblogs.com/blog/1485202/201907/1485202-20190705210445649-2093672772.png"

res=client.basicGeneralUrl(url)#普通

#print(res)

#将所有的文字都合并到一起

strx=""

for tex in res["words_result"]:#遍历结果

    strx+=tex["words"]

print(strx)#输出内容

注意

图片格式（image）：

图像数据，base64编码，要求base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式

URL格式（url）：

图片完整URL，URL长度不超过1024字节，URL对应的图片base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式，当image字段存在时url字段失效

语言设置（language_type）

识别语言类型，默认为CHN_ENG

可设置：- CHN_ENG：中英文混合；- ENG：英文；- POR：葡萄牙语；- FRE：法语；- GER：德语；- ITA：意大利语；- SPA：西班牙语；- RUS：俄语；- JAP：日语；- KOR：韩语；

图像倒置设置（detect_direction）

是否检测图像朝向，默认不检测，即：false。朝向是指输入图像是正常方向、逆时针旋转90/180/270度。可选值包括:- true：检测朝向；- false：不检测朝向

是否检测语言（detect_language）

是否检测语言，默认不检测。当前支持（中文、英语、日语、韩语），值为flase或者true

是否返回识别结果中每一行的置信度（probability）

值为flase或者true

参数添加举例

""" 如果有可选参数 """

options = {}

options["detect_direction"] = "true"

options["detect_language"] = "true"

""" 带参数调用网络图片文字识别, 图片参数为远程url图片 """

client.webImageUrl(url, options)