python实现图片文字识别（python自动识别图片文字）

python实现图片文字识别，原文标题：20行python代码进行批量图片文字识别，5分钟学会。

我最近有个需求，就是想把一批图片分别进行文字识别，网上的很多工具很多只能一张张识别，而且准确率还大打折扣。

这次利用python来开发一段脚本，最终的成果是这样的。

注意：text.doc 是新生成的

首先需要你需要把你的文件存在一个文件夹里，然后用os模块下的listdir方法来找到里边的文件，然后用一个for循环结合with open 方法打开并读取所有需要的文件，我存放在了桌面上C:UsersitcastDesktopocr

代码如下：

import osdirs = os.listdir(r'C:UsersitcastDesktopOCR')print(dirs)for dir in dirs: filepath = f"C:UsersitcastDesktopocr{dir}" print(filepath) with open(f"C:UsersitcastDesktopocr{dir}","rb") as f: image = f.read()

然后用第三方的应用，我这里用到的是百度API，也就是百度智能云里的应用，下方来说一下这个应该怎么使用：

首先你得有个百度账号，然后点击登陆。登陆后找到这个通用文字识别，如果你找不到的话，可以直接打开这个网址：

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

​然后需要创建一个应用，名称和描述可以随便起，应用归属个人，其他选择默认即可。

然后点击应用列表，你就能看到刚刚创建应用的AppID，API Key，Secret Key，这几个数就是请求API的钥匙。

​到这一步还没完，返回上一个页面，点击免费领取资源，一定别忘了，否则我们创建的应用将无法使用。

​需要等待10分钟左右才能创建好，接下来可以写接下来的代码。

其实这里有官方的技术文档，我们可以参考使用。

​可以选择python语言进行学习。

​

首先需要安装百度api。

如果已安装pip，执行pip install baidu-aip即可。如果已安装setuptools，执行python setup.py install即可。

新建AipOcr

AipOcr是OCR的Python SDK客户端，为使用OCR的开发人员提供了一系列的交互方法。

参考如下代码新建一个AipOcr：

from aip import AipOcr""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

在上面代码中，常量APP_ID在百度智能云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看。

到这一步创建client就已经好了，接下来我们要具体连接图片识别了。

在接口说明里，还有一个可选参数，可以选择图片文字的朝向，还有文字的语言等等，这里我们选择检测文字的朝向（如果有别的方向的也可以识别到）。

options = {"detect_direction":"true"}

然后调用识别就可以了：

client.basicGeneral(image,options)

输出后是一系列json格式的字符，显然我们还需要继续提取：

​

ending = result["words_result"]

找到key值，然后提取后边的列表。这个时候几个列表就出来了。

然后再遍历一下，就能把文字全提取出来了。

​最后保存到word文档中，就可以了。

with open("text.doc","a") as fp: fp.write(text)

完整的代码如下（除去注释和空行，20行左右）

# 1.打开文件import osdirs = os.listdir(r'C:UsersitcastDesktopocr')print(dirs)for dir in dirs: filepath = f"C:UsersitcastDesktopocr{dir}" print(filepath) with open(f"C:UsersitcastDesktopocr{dir}","rb") as f: image = f.read()# 2. 接入百度智云文字识别服务# 从aip中导入AipOcr from aip import AipOcr#替换你的APP_ID，API_KEY，SECRET_KEY APP_ID = ' ' API_KEY = ' ' SECRET_KEY = ' ' # 新建一个AipOcr，并赋值给变量client client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 调用通用文字识别 # 如果有可选参数 # 创建字典options，并将可选参数detect_direction的值设置为"true" options = {"detect_direction":"true"} # 调用通用文字识别接口并把结果赋值给result result = client.basicAccurate(image, options) # 输出result # print(result) ending = result["words_result"] # print(ending) for word in ending: # print(word) text = word['words'] print(text) with open("text.doc","a") as fp: fp.write(text) print("写入完成")

关注我@秋语棠，带你学好玩的python编程。

随机文章