技術標籤：windows

基於百度AI的影象文字提取應用程式

現如今，影象提取文字功能被越來越多人需要，尤其是辦公與教學。但是目前app提供的都是有償服務，其實，我們完全可以自己編寫小程式來實現，下面是小編自己製作的一個實現影象文字提取的小程式。

實際上，程式碼中並沒有任何影象識別的功能，這屬於AI的範疇，不是小編能夠做到的，這也是百度的技術核心，不可能開源，但是百度允許我們呼叫它的相關功能，並且包裝好了介面供我們使用，實際上我們要做的就是用程式碼與百度提供的介面對接，返回結果。
使用百度介面需要在百度AI網站申請並得到id賬號和密碼，服務也不是完全無償的，但是有相當一定量的每日免費額度，對於非企業的個人使用者來說，免費額度已經相當充裕了（比如小編的程式對精度要求不高，呼叫的是標準版的介面，每日免費使用50000次）。

在做完程式後，小編也瞭解了一些應用的影象提取文字功能，這些應用主要分兩大類，一類是騰訊QQ這樣的大企業，他們有自己相關功能開發（親測演算法功能和精確度遠不如百度AI）；另外一些小的程式應用如一些掃描類的手機app，未必會專門開發這樣的程式，小編猜測大多數此類應用也是付費呼叫百度平臺的介面。因此，顯然如果我們在這方面有大的使用需求的話，自己寫一個程式將是更實惠的選擇，至少個人使用是免費的。

最後，小編非常地感激百度AI提供的這樣開放、共享的平臺！
Talk is cheap，show the code！

# coding=utf-8

OUTPUT_FILE_PATH='掃描文字.txt'
f=
 
open('掃描文字.txt', "r+")
f.truncate()
#判斷檔案是否存在,path為檔案路徑
import os
import sys
import json
import base64


# 保證相容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證書校驗不正確
import ssl
ssl._create_default_https_context = ssl._create_unverified_context

API_KEY = "******"         #此處為在百度AI平臺報備申請的賬號和密碼
SECRET_KEY =  "******"

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'


"""
    獲取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()
NUM=input("圖片數目:")
NUM=int(NUM)
i=1

while i<=NUM:
    i=i+1
    IMAGE=input("圖片路徑:")
    

    """
        讀取檔案
    """
    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()


    """
        呼叫遠端服務
    """
    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__':

        # 獲取access token
        token = fetch_token()

        # 拼接通用文字識別高精度url
        image_url = OCR_URL + "?access_token=" + token

        text = ""

        # 讀取書籍頁面圖片
        file_content = read_file(IMAGE)

        # 呼叫文字識別服務
        result = request(image_url, urlencode({'image': base64.b64encode(file_content)}))

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

        # 列印文字
        print(text)

        f = open(OUTPUT_FILE_PATH, 'a',encoding='gb18030',errors='ignore')
        print(text,file = f)    
        f.close()

input()