使用腾讯云 Cloud studio 实现调度百度AI实现文字识别

前言

今天我们也来高大上一下，玩一把人工智能。那就是免费调用百度AI实现图片上面的文字识别。相对于Python的第三方库，百度人工智能要更强大，毕竟人工智能不是那么容易搞的。要调用，其实很简单，关键的代码只需要三行。但需要先注册百度AI，获得ID和密钥。注册也很简单，百度AI社区有详细说明，高铁直达链接：https://ai.baidu.com/forum/topic/show/867951 。只需走到“1.6 获取密钥”即可。然后记录下自己的APP_ID、API_KEY、SECRET_KEY，就可以开始了。界面如下。每个ID每天可免费识别200次，请珍惜使用哈。

代码说明如下：

导入模块

from aip import AipOcr #导入AipOcr模块，用于做文字识别
import glob
1
2

该部分代码导入了AipOcr模块和glob模块。

设置百度AI的APP_ID、API_KEY和SECRET_KEY

APP_ID = '你申请的'
API_KEY = '你申请的'
SECRET_KEY = '你申请的'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
1
2
3
4

这段代码设置了百度AI的APP_ID、API_KEY和SECRET_KEY，并使用这些参数创建了一个AipOcr对象。

定义路径和文件列表

path = "红楼梦\\"
files = glob.glob(path+"*.png")
1
2

这部分代码定义了一个路径path和一个文件列表files，通过使用glob.glob函数来获取指定路径下所有的.png文件。

打开文本文件准备写入数据

txt_file = open('红楼梦.txt', 'a')
1

该部分代码打开一个名为红楼梦.txt的文本文件，以追加（‘a’）的方式打开。

逐个处理图片文件

for file in files:
    pic = open(file,'rb')#以二进制（rb）打开
    img = pic.read() #读取
    message = client.basicGeneral(img) #调用百度AI识别图片中的文字
    for words in message['words_result']:
        word = words['words'] #提取文字
        print(word)
        
        txt_file.write(word) #将文字写入文本文件
1
2
3
4
5
6
7
8
9

这部分代码使用for循环逐个处理files中的图片文件。首先打开图片文件，以二进制读取模式（‘rb’）打开，并读取图片内容。然后调用client.basicGeneral方法，将图片内容传递给百度AI进行文字识别，返回的结果保存在message中。接着使用for循环遍历message['words_result']中的每个元素，提取出其中的文字信息并保存在word变量中。然后将文字写入文本文件txt_file中。

关闭文本文件

txt_file.close()
1

关闭文本文件。

重复处理其他图片文件

path = "论文\\"
files = glob.glob(path+"*.png")

txt_file = open('论文1.txt', 'a')

for file in files:
    pic = open(file,'rb')
    img = pic.read()
    message = client.basicGeneral(img)
    for words in message['words_result']:
        word = words['words']
        print(word)

        txt_file.write(word)

txt_file.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

这部分代码与前面类似，只是处理的图片路径和文本文件名称不同。同样使用glob.glob函数获取指定路径下的所有.png文件，并逐个对其进行文字识别，并将识别结果保存到文本文件中。最后关闭文本文件。

完整代码

下面是整理后的代码，并对其进行讲解说明：

from aip import AipOcr
import glob

# 导入AipOcr模块，用于做文字识别
# 导入glob模块，用于获取文件列表

APP_ID = '你申请的'
API_KEY = '你申请的'
SECRET_KEY = '你申请的'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

# 设置百度AI的APP_ID、API_KEY和SECRET_KEY，并创建AipOcr对象

path = "红楼梦\\"
files = glob.glob(path + "*.png")

txt_file = open('红楼梦.txt', 'a')

# 定义路径和文件列表，打开一个红楼梦.txt的文本文件以追加的方式

for file in files:
    pic = open(file, 'rb')
    img = pic.read()
    message = client.basicGeneral(img)
    
    # 逐个处理图片文件，打开图片文件，读取图片内容
    # 调用百度AI的basicGeneral方法，将图片内容传递给百度AI进行文字识别
    
    for words in message['words_result']:
        word = words['words']
        print(word)
        txt_file.write(word)
        
        # 遍历识别结果中的每个文字，提取出文字并打印
        # 将文字写入文本文件
        
txt_file.close()

# 关闭文本文件

path = "论文\\"
files = glob.glob(path + "*.png")

txt_file = open('论文1.txt', 'a')

# 重新定义路径和文件列表，打开一个论文1.txt的文本文件以追加的方式

for file in files:
    pic = open(file, 'rb')
    img = pic.read()
    message = client.basicGeneral(img)
    
    # 逐个处理图片文件，打开图片文件，读取图片内容
    # 调用百度AI的basicGeneral方法，将图片内容传递给百度AI进行文字识别
    
    for words in message['words_result']:
        word = words['words']
        print(word)
        txt_file.write(word)
        
        # 遍历识别结果中的每个文字，提取出文字并打印
        # 将文字写入文本文件
        
txt_file.close()

# 关闭文本文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

解释说明

• 导入AipOcr模块和glob模块，前者用于调用百度AI的文字识别功能，后者用于获取指定路径下的图片文件列表。

• 根据实际申请的百度AI账号，设置了APP_ID、API_KEY和SECRET_KEY，并使用这些参数创建了一个AipOcr对象。

• 定义了两个路径变量path，分别对应红楼梦和论文的文件夹路径。使用glob.glob函数获取指定路径下的所有.png文件，并保存到files列表中。

• 打开一个相应的文本文件以追加的方式，用于保存文字识别的结果。

• 通过循环遍历处理每个图片文件。首先打开图片文件，并读取其内容。然后调用client.basicGeneral方法，将图片内容传递给百度AI进行文字识别。返回的结果保存在message中。

• 使用for循环遍历message['words_result']中的每个元素，提取出其中的文字信息并保存在word变量中。然后将文字打印出来，并写入文本文件中。

• 关闭文本文件。

这段代码的核心功能是通过百度AI的文字识别功能对指定路径下的图片文件进行文字识别，并将识别结果保存到相应的文本文件中。可以根据实际情况，修改路径、文件名和文件格式等参数，适用于其他图片文件的文字识别任务。

运行效果