簡介

Python免費(fèi)調(diào)用百度AI實(shí)現(xiàn)圖片上面的文字識別

步驟

安裝百度AI庫

!pip install baidu-aip

注冊百度AI開放平臺

先注冊百度AI，獲得ID和密鑰。注冊方法可參考：注冊方法 只需走到 “1.6 獲取密鑰” 即可。然后記錄下自己的APP_ID、API_KEY、SECRET_KEY，就可以開始了。

調(diào)用glob庫

glob庫用于獲得指定路徑下的指定后綴的文件，圖片使用的是《數(shù)學(xué)模型》pdf掃描版，部分如下：

import glob
path = "數(shù)學(xué)模型\\"
glob.glob(path+"*.png")

指定文件夾中的指定的.png后綴的文件，全部提取出來了：

選取第一張圖片 “數(shù)學(xué)模型1.png” 做測試：

files = glob.glob(path+"*.png")
file = files[0]

調(diào)用AipOcr庫識別文字

導(dǎo)入AipOcr模塊，這個(gè)模塊是用于做文字識別的（OCR即Optical Character Recognition，光學(xué)字符識別）。填入你申請的ID和KEY，client = AipOcr()是固定寫法。先用二進(jìn)制方式rb打開，然后讀取，再調(diào)用百度AI進(jìn)行識別，并將識別結(jié)果存入message變量。

from aip import AipOcr #導(dǎo)入AipOcr模塊，用于做文字識別
import glob

APP_ID = '*********' # 你申請的
API_KEY = '*********'# 你申請的
SECRET_KEY = '*********'# 你申請的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

pic = open(file,'rb')# 以二進(jìn)制（rb）打開
img = pic.read() # 讀取
message = client.basicGeneral(img) # 調(diào)用百度AI識別圖片中的文字

查看message參數(shù)，結(jié)果如下：

可見，message參數(shù)的結(jié)果為 “大字典” 形式，其中的鍵 words_result 所對應(yīng)的值為一個(gè) “大列表” ，這個(gè)列表里又有很多鍵值對，鍵都是words，值就是AI從圖片上識別出來的內(nèi)容。使用語句message['words_result'][0...n]['words']可以篩選出該頁的標(biāo)題：

message['words_result'][1]['words']

for循環(huán)逐行提取:

for words in message['words_result']:
    word = words['words'] # 提取文字
    print(word)

識別效果圖：

識別也不是完美的，有很多識別錯(cuò)誤與未識別出的文字。當(dāng)然，原圖字體越清晰，識別度越高。

可能會遇到的問題

識別過程中可能會遇到類似識別錯(cuò)誤（無法識別）問題，原因是未領(lǐng)取免費(fèi)識別次數(shù)，解決過程如下：

百度OCR API識別失敗：Open api qps request limit reached 錯(cuò)誤 解決方法

幾個(gè)月前，用Python寫了個(gè)小工具，主要是用到了百度的OCR API做了個(gè)文字識別的小工具，前面一直能用，然而今天，在使用的時(shí)候，報(bào)錯(cuò)了。
錯(cuò)誤如下：Open api qps request limit reached

最后終于找到了解決方法，原來，現(xiàn)在要自己去領(lǐng)取免費(fèi)的測試額度了！！！

領(lǐng)取免費(fèi)測試額度的地址：（或者你在你原來那個(gè)調(diào)用的那個(gè)項(xiàng)目里也可以找到免費(fèi)領(lǐng)取測試額度，見下圖）

https://console.bce.baidu.com/ai/#/ai/ocr/overview/resource/getFree

領(lǐng)取完之后，還是用原來項(xiàng)目的appID,apiKey,secretKey即可。

然后等領(lǐng)取額度到賬后，重新運(yùn)行就行了。

批量操作

批量操作的核心為for循環(huán),txt_file = open('數(shù)學(xué)模型.txt', 'a')指打開名字為“數(shù)學(xué)模型”的文本文件（若不存在則自動新建），模式為添加模式，即'a'模式。添加模式是指，如果文本中已經(jīng)有一些內(nèi)容，則接著往下寫，不會影響原來的內(nèi)容。如果是'w'模式，則會將之前的內(nèi)容全部覆蓋。然后遍歷待處理的圖片，逐個(gè)處理：

from aip import AipOcr #導(dǎo)入AipOcr模塊，用于做文字識別
import glob

APP_ID = '*********' # 你申請的
API_KEY = '*********'# 你申請的
SECRET_KEY = '*********'# 你申請的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

path = "數(shù)學(xué)模型\\"
files = glob.glob(path+"*.png")

txt_file = open('數(shù)學(xué)模型.txt', 'a')

for file in files:
    pic = open(file,'rb')# 以二進(jìn)制（rb）打開
    img = pic.read() # 讀取
    message = client.basicGeneral(img) # 調(diào)用百度AI識別圖片中的文字
    for words in message['words_result']:
        word = words['words'] # 提取文字
        print(word)

        txt_file.write(word) # 將文字寫入文本文件

txt_file.close() # 關(guān)閉文本文件

總結(jié)

到此這篇關(guān)于Python調(diào)用百度AI實(shí)現(xiàn)圖片上文字識別功能的文章就介紹到這了,更多相關(guān)Python圖片上文字識別內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！