百度云文字识别使用

实现一个功能，截一张图片，利用百度文字识别技术识别出图片内容，然后利用在线翻译网站翻译此内容。

实现此功能的前提是电脑有截屏功能，此文利用的是QQ截屏的功能，当然也可以使用微信截屏功能等，只不过快捷键不同罢了。

第一步，清空剪切板，需要导入from ctypes import windll, c_int这些方法，剪切板中的图片存放在内存中。

    # ============== 清空剪切板, c_int(0)内存中的存储区域
    user32 = windll.user32
    # 打开剪切板
    user32.OpenClipboard(c_int(0))
    # 清空剪切板
    user32.EmptyClipboard()
    # 关闭剪切板
    user32.CloseClipboard()

 

 

第二步，截屏，因为用的QQ截屏，所以快捷键是ctrl+alt+a，wait()函数会在此阻塞，直到你按下截屏键才会往下继续

    # 检测键盘按下，没检测到按下截图键，继续等待，检测到了，代码往下走。此处有个阻塞
    keyboard.wait(hotkey="ctrl+alt+a")

 

    # 获取图片内容
    while True:
        image = ImageGrab.grabclipboard()
        if image:
            image.save(img_path)
            break
        else:
            time.sleep(2)

 

注意：为什么要用while True，截屏是不是需要时间去选区域，然后点完成，在这期间，剪切板上是没有数据的，用while True只是不断的从剪切板扫描图片而已，当发现图片就退出循环了。

 

第三步，图片转文字，这个是使用的百度api，另外写的一个py文件中。

word = get_text_from_image("screen.png")

 

 

第四步，翻译文本

    result = requests.post(
        url="http://fy.iciba.com/ajax.php?a=fy",
        data={"f": "auto", "t": "auto", "w": word}
    ).json()

 

 

如此几步，就可以完成一个简单的图片翻译过程了。

 

百度api，自己可以注册申请账号，创建AppId、API Key、Secret Key，然后开始图片转文本工作，推荐博客：https://blog.csdn.net/student_zz/article/details/91491955?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

Python文字识别快速入门链接：https://ai.baidu.com/ai-doc/OCR/Dk3h7yf8m

不过我倒是没有创建新的AppId、API Key、Secret Key，直接用的博客主分享出来的，谢谢博客主的分享，链接：https://blog.csdn.net/qq_33333654/article/details/102723118

 

源码

translation.py

#!/usr/bin/env python
# _*_ coding: UTF-8 _*_
"""=================================================
@Project -> File    : six-dialog_design -> translation.py
@IDE     : PyCharm
@Author  : zihan
@Date    : 2020/5/26 18:10
@Desc    :  1. 清空剪切板
            2. 监测键盘按键"ctrl_alt+a", 阻塞程序直到得到截图
            3. 将图片中的文字提取出来，用的是百度云的api
            4. 翻译文字，用的是网页上在线翻译的接口：http://fy.iciba.com/
================================================="""
import requests
from ctypes import windll, c_int
from PIL import ImageGrab
import keyboard
import time
from aip_baidu_img2text_recognition import get_text_from_image
from pprint import pprint


# 清空剪切板
def clear_clipboard():
    # ============== 清空剪切板, c_int(0)内存中的存储区域
    user32 = windll.user32
    # 打开剪切板
    user32.OpenClipboard(c_int(0))
    # 清空剪切板
    user32.EmptyClipboard()
    # 关闭剪切板
    user32.CloseClipboard()


# 获取截图
def get_image(img_path):
    # 获取图片内容
    while True:
        image = ImageGrab.grabclipboard()
        if image:
            image.save(img_path)
            break
        else:
            time.sleep(2)


# 翻译文本
def translation(word):
    result = requests.post(
        url="http://fy.iciba.com/ajax.php?a=fy",
        data={"f": "auto", "t": "auto", "w": word}
    ).json()
    return result


def main():
    # 清空剪切板
    clear_clipboard()

    # 检测键盘按下，没检测到按下截图键，继续等待，检测到了，代码往下走。此处有个阻塞
    keyboard.wait(hotkey="ctrl+alt+a")

    # 得到截屏的图片存放到剪切板
    get_image("screen.png")

    print("开始识别！")

    # 获取图片中的文字
    word = get_text_from_image("screen.png")

    # 翻译文字
    result = translation(word)
    # pprint(result)
    # 中文转英文
    print(result["content"]["out"])
    # 英文转中文
    # print(result["content"]["word_mean"])


if __name__ == '__main__':
    main()

aip_baidu_img2text_recognition.py

#!/usr/bin/env python
# _*_ coding: UTF-8 _*_
"""=================================================
@Project -> File    : six-dialog_design -> aip_baidu_img2text_recognition.py
@IDE     : PyCharm
@Author  : zihan
@Date    : 2020/5/26 18:44
@Desc    :借用api：https://blog.csdn.net/qq_33333654/article/details/102723118
            文字识别接口说明：https://ai.baidu.com/ai-doc/OCR/Dk3h7yf8m
================================================="""
from aip import AipOcr


"""你的 APPID AK SK"""
APP_ID = "17593750"
API_KEY = "VExogNuAiDslahMNe2uRn5IB"
SECRET_KEY = "zILi6zsRwgKa1dTmbv2Rw8uG1oPGyI9A"

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)


def get_text_from_image(image_path):
    if isinstance(image_path, bytes):
        image = image_path
    else:
        with open(image_path, "rb") as f:
            image = f.read()
    result_data = client.basicAccurate(image)
    # print(result_data)
    result_str = ""
    if result_data["words_result"]:
        for data in result_data["words_result"]:
            result_str += data['words']
    else:
        result_str = "No content"
    return result_str

 

成功，目前只试过截取单词或者中文词组，没有试过句子，哈哈哈。

至于为什么用post，看图，在哪儿看就不多说了，自己尝试翻译一个单词就知道了。

 

post哪些数据来源， 继续看图

可以看出，当前需要翻译的数据是"你好"。