本文的OCR當然不是自己從頭開發的，是基於百度智能雲提供的API（我感覺是百度在中國的人工智能領域值得稱贊的一大貢獻），其提供的API完全可以滿足個人使用，相對來說簡潔准確率高。
安裝OCR Python SDK
OCR Python SDK目錄結構
├── README.md
├── aip //SDK目錄
│ ├── __init__.py //導出類
│ ├── base.py //aip基類
│ ├── http.py //http請求
│ └── ocr.py //OCR
└── setup.py //setuptools安裝
支持Python版本：2.7.+ ,3.+
安裝使用Python SDK有如下方式：
- 如果已安裝pip，執行pip install baidu-aip即可。
- 如果已安裝setuptools，下載后執行python setup.py install即可。
代碼實現
下面讓我們來看一下代碼實現。
主要使用的模塊有
import os # 操作系統相關
import sys # 系統相關
import time # 時間獲取
import signal # 系統信號
import winsound # 提示音
from aip import AipOcr # 百度OCR API
from PIL import ImageGrab # 捕獲剪切板中的圖片
import win32clipboard as wc # WINDOWS 剪切板操作
import win32con # 這里用於獲取 WINDOWS 剪貼板數據的標准格式
第一步 這里的APP_ID,API_KEY,SECRET_KEY是通過登陸百度智能雲后自己在OCR板塊申請的, 實現基本的OCR程序，可以通過圖片獲取文字。
""" 你的 APPID AK SK """
APP_ID = 'xxx'
API_KEY = 'xxx'
SECRET_KEY = 'xxx'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
""" 讀取圖片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
""" 從API的返回字典中獲取文字 """
def getOcrText(txt_dict):
txt = ""
if type(txt_dict) == dict:
for i in txt_dict['words_result']:
txt = txt + i["words"]
if len(i["words"]) < 25: # 這里使用字符串長度決定了文本是否換行，讀者可以根據自己的喜好控制回車符的輸出，實現可控的文本顯示形式
txt = txt + "\n\n"
return txt
""" 調用通用/高精度文字識別, 圖片參數為本地圖片 """
def BaiduOcr(imageName,Accurate=True):
image = get_file_content(imageName)
if Accurate:
return getOcrText(client.basicGeneral(image))
else:
return getOcrText(client.basicAccurate(image))
""" 帶參數調用通用文字識別, 圖片參數為遠程url圖片 """
def BaiduOcrUrl(url):
return getOcrText(client.basicGeneralUrl(url))
第二步，實現快捷鍵獲取文字，將識別文字放入剪切板中，提示音提醒以及快捷鍵退出程序
""" 剪切板操作函數 """
def get_clipboard():
wc.OpenClipboard()
txt = wc.GetClipboardData(win32con.CF_UNICODETEXT)
wc.CloseClipboard()
return txt
def empty_clipboard():
wc.OpenClipboard()
wc.EmptyClipboard()
wc.CloseClipboard()
def set_clipboard(txt):
wc.OpenClipboard()
wc.EmptyClipboard()
wc.SetClipboardData(win32con.CF_UNICODETEXT, txt)
wc.CloseClipboard()
""" 截圖后,調用通用/高精度文字識別"""
def BaiduOcrScreenshots(Accurate=True,path="./",ifauto=False):
if not os.path.exists(path):
os.makedirs(path)
image = ImageGrab.grabclipboard()
if image != None:
print("\rThe image has been obtained. Please wait a moment!",end=" ")
filename = str(time.time_ns())
image.save(path+filename+".png")
if Accurate:
txt = getOcrText(client.basicAccurate(get_file_content(path+filename+".png")))
else:
txt = getOcrText(client.basicGeneral(get_file_content(path+filename+".png")))
os.remove(path+filename+".png")
# f = open(os.path.abspath(path)+"\\"+filename+".txt",'w')
# f.write(txt)
set_clipboard(txt)
winsound.PlaySound('SystemAsterisk',winsound.SND_ASYNC)
# os.startfile(os.path.abspath(path)+"\\"+filename+".txt")
# empty_clipboard()
return txt
else :
if not ifauto:
print("Please get the screenshots by Shift+Win+S! ",end="")
return ""
else:
print("\rPlease get the screenshots by Shift+Win+S ! ",end="")
def sig_handler(signum, frame):
sys.exit(0)
def removeTempFile(file = [".txt",".png"],path="./"):
if not os.path.exists(path):
os.makedirs(path)
pathDir = os.listdir(path)
for i in pathDir:
for j in file:
if j in i:
os.remove(path+i)
def AutoOcrFile(path="./",filetype=[".png",".jpg",".bmp"]):
if not os.path.exists(path):
os.makedirs(path)
pathDir = os.listdir(path)
for i in pathDir:
for j in filetype:
if j in i:
f = open(os.path.abspath(path)+"\\"+str(time.time_ns())+".txt",'w')
f.write(BaiduOcr(path+i))
break
def AutoOcrScreenshots():
signal.signal(signal.SIGINT, sig_handler)
signal.signal(signal.SIGTERM, sig_handler)
print("Waiting For Ctrl+C to exit ater removing all picture files and txt files!")
print("Please get the screenshots by Shift+Win+S !",end="")
while(1):
try:
BaiduOcrScreenshots(ifauto=True)
time.sleep(0.1)
except SystemExit:
removeTempFile()
break
else :
pass
finally:
pass
最終運行函數 AutoOcrScreenshots 函數便可以實現了：
if __name__ == '__main__':
AutoOcrScreenshots()
使用方法
使用 Windows 10 系統時，將以上代碼放置在一個 .py 文件下，然后運行便可以使用Shift+Win+S快捷鍵實現任意區域截取，截取后圖片將暫時存放在剪切板中，程序自動使用Windows API獲取圖片內容，之后使用百度的OCR API獲取文字，並將文字放置在剪切版內存中后發出提示音。使用者則可以在開啟程序后，使用快捷鍵截圖后靜待提示音后使用Ctrl+V將文字內容放置在自己所需的位置。