python-使用百度AipOcr实现表格文字图片识别

时间：2020-04-04 09:39:04 阅读：400 评论：0 收藏：0 [点我收藏+]

标签：mat win direct title orm coding from break 时间

注：本博客中的代码实现来自百度问答：https://jingyan.baidu.com/article/c1a3101ef9131c9e646deb5c.html

代码运行环境：win10 python3.7

需要aip库，使用pip install baidu-aip即可

（1）目的

通过百度AipOcr库，来实现识别图片中的表格，并输出问表格文件。

（2）实现

仿照百度问答：https://jingyan.baidu.com/article/c1a3101ef9131c9e646deb5c.html，实现了以下代码：

 1 # encoding: utf-8
 2 import os
 3 import requests
 4 import time
 5 import tkinter as tk
 6 from tkinter import filedialog
 7 from aip import AipOcr
 8  
 9 # 定义常量，需要自己去百度智能云申请
10 APP_ID = ‘xxxxxxx‘
11 API_KEY = ‘xxxxxxxxxxxxx‘
12 SECRET_KEY = ‘xxxxxxxxxxxxxxxxxx‘
13 # 初始化AipFace对象
14 client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
15  
16 # 读取图片
17 def get_file_content(filePath):
18     with open(filePath, ‘rb‘) as fp:
19         return fp.read()
20 
21 
22 #文件下载函数
23 def file_download(url, file_path):
24     r = requests.get(url)
25     with open(file_path, ‘wb‘) as f:
26         f.write(r.content)
27 
28 
29 if __name__ == "__main__":    
30     root = tk.Tk()
31     root.withdraw()
32     data_dir = filedialog.askdirectory(title=‘请选择图片文件夹‘) + ‘/‘
33     result_dir = filedialog.askdirectory(title=‘请选择输出文件夹‘) + ‘/‘
34     num = 0
35     for name in os.listdir(data_dir):
36         print (‘{0} : {1} 正在处理：‘.format(num+1, name.split(‘.‘)[0]))
37         image = get_file_content(os.path.join(data_dir, name))
38         res = client.tableRecognitionAsync(image)
39         req_id = res[‘result‘][0][‘request_id‘]    #获取识别ID号
40 
41         for count in range(1,10):    #OCR识别也需要一定时间，设定10秒内每隔1秒查询一次
42             res = client.getTableRecognitionResult(req_id)    #通过ID获取表格文件XLS地址
43             print(res[‘result‘][‘ret_msg‘])
44             if res[‘result‘][‘ret_msg‘] == ‘已完成‘:
45                 break    #云端处理完毕，成功获取表格文件下载地址，跳出循环
46             else:
47                 time.sleep(1)
48 
49         url = res[‘result‘][‘result_data‘]
50         xls_name = name.split(‘.‘)[0] + ‘.xls‘
51         file_download(url, os.path.join(result_dir, xls_name))
52         num += 1
53         print (‘{0} : {1} 下载完成。‘.format(num, xls_name))
54         time.sleep(1)