Mac上调用百度API完成OCR文字识别

发表于 分类于

之前在Windows平台上有一款文字识别软件叫做天若OCR，十分好用，然而我至今还没有找到在Mac平台上的类似软件（指免费的）。

那不如自己写一个！（需要python3环境，如果您没有安装过python3，也不用担心，macOS自带了python2.7，您只需要将文章中的pip3和python3命令更换为pip和python即可。）

  1. 打开百度AI开放平台： https://ai.baidu.com ，点击右上角“控制台”，使用百度账号登录，点击左侧边栏的文字识别：

然后点击创建应用：

可以看到它为我们自动勾选了文字识别接口，填好其他信息之后点击创建，之后会来到“应用列表”，在这里可以查看AK（API Key）和SK（Secret Key）。

可以看到，百度提供的免费高精度文字识别是500次每天，足够我们用了。

  1. 打开终端，输入：
1
2
3
pip3 install base64
pip3 install pyperclip
pip3 install requests
  1. 打开您的python编辑器，输入以下代码：
1
2
3
4
5
6
7
8
9
import requests 

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【您的AK】&client_secret=【您的SK】'
response = requests.get(host)
result = str( response.json() )

result = result.split('access_token\': \'')[1]
result = result.split('\'')[0]
print(result)

运行后显示出来的那一串字符，叫做access_token，将其复制保存好。

注意：由于百度的限制，access_token每隔一个月就会发生变化，所以每个月都需要重复步骤3，并将新的access_token嵌入以下的python代码中。

好一点的思路是在下面的py代码中先判断当前的access_token有没有过期，如果有，就自动调用以上代码生成一个新的，这样就不用每个月自己手动生成，也可以把两个文件合并成一个。

但是由于我的还没过期，还不知道access_token过期后百度返回的response是什么，也就无法在代码中判断。等一个月之后我会再来更新这篇文章的

  1. 新建一个python文件，输入以下代码：
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
import requests
import base64
import string
import pyperclip

request_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic'

path = input("请拖入图片后按回车：")
path = path.rstrip()
path = path.replace('\\','')
print("正在识别中....")
f = open(path,'rb')
img = base64.b64encode( f.read() )
f.close()

params = {"image":img}
access_token = '【填写您的access_token】'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}

response = requests.post(request_url, data=params, headers=headers)
result = str( response.json() )

result = result.split('[{\'words\': \'')[1]

ans = result.split('\'}, {\'words\': \'')
out = ""
for i in ans: 
    out += i
out = out.split('\'}]}')[0]

print("识别结果：\n")
print(out)
pyperclip.copy(out)
print("\n文字识别结果已经拷贝至剪贴板！")
  1. 保存后，在您喜欢的地方新建一个文本文件，输入：
1
2
3
4
while true
do
	python3 /Users/hoshizora/Developer/Python/baidu-OCR.py #这里改成您的py文件所在的绝对路径
done

保存后有两种选择：

  1. 将其重命名为OCR.tool （名称随意，后缀名为.tool）。

  2. 把txt后缀名删掉，只留下OCR这个文件名，然后打开终端，进入当前文件夹，输入

    1
    chmod 777 OCR

    回车后您会发现原来文本的图标已经变成了可执行文件的图标：

之后在使用时，按下Command+Space调出聚焦，输入“ocr”回车，即可打开文章开头的那个界面。将图片拖入后，回车即可识别。

如果是现场截图识别的话，按下Command+Shift+4，，在Touch Bar上选择存储到桌面：

截图后直接将右下角出现的预览图片拖入终端窗口中回车即可识别。（不会在桌面上留下截图文件）

2020年4月29日更新

今天用的时候发现过期了，就更新了代码。

首先在您的python文件同目录下新建一个名为access_token.txt都文本文档，在里面放入您当前的access_token，然后将以下代码复制到您的python文件中：

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
import requests
import base64
import string
import pyperclip

request_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic'

path = input("请拖入图片后按回车：")
path = path.rstrip()
path = path.replace('\\','')
print("正在识别中....")
f = open(path,'rb')
img = base64.b64encode( f.read() )
f.close()

params = {"image":img}
f = open('access_token.txt')
access_token = f.readline()
f.close
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}

response = requests.post(request_url, data=params, headers=headers)
result = str( response.json() )

isExpired = result.find("Access token expired")
if (isExpired>0):
    print("鉴权码已过期，正在为您自动获取中")
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=ruWxABrOVVElnGMbwnmO8qfV&client_secret=LsG2epudjr4RUHp1grIM0r6G47X9cglL'
    preResponse = requests.get(host)
    access_token = str( preResponse.json() )

    access_token = access_token.split('access_token\': \'')[1]
    access_token = access_token.split('\'')[0]
    f = open('access_token.txt','w')
    f.write(access_token)
    f.close

    request_url = request_url + "?access_token=" + access_token
    headers = {'content-type': 'application/x-www-form-urlencoded'}

    response = requests.post(request_url, data=params, headers=headers)
    result = str( response.json() )



result = result.split('[{\'words\': \'')[1]  #[{'words':'

#print (result)

ans = result.split('\'}, {\'words\': \'')
out = ""
for i in ans: 
    out += i
out = out.split('\'}]}')[0]

print("识别结果：\n")
print(out)
pyperclip.copy(out)
print("\n文字识别结果已经拷贝至剪贴板！\n")

然后用文本编辑打开OCR.tool：修改其为：

1
2
3
4
5
6
cd #进入您的python文件所在目录
while true
do
	python3 baidu-OCR.py
done