Python调用百度AI实现图片上表格识别功能

2024-04-02 19:04:59 442人浏览薄情痞子

Python 官方文档：入门教程 => 点击学习

摘要

目录简介步骤安装百度ai库注册百度AI开放平台调用AipOcr库识别表格文字可能遇到的问题批量操作总结简介 python免费调用百度AI实现图片上面的表格识别步骤安装百度AI库

简介

python免费调用百度AI实现图片上面的表格识别

步骤

安装百度AI库


!pip install baidu-aip

注册百度AI开放平台

先注册百度AI，获得ID和密钥。注册方法可参考：注册方法只需走到 “1.6 获取密钥” 即可。然后记录下自己的APP_ID、api_KEY、SECRET_KEY，就可以开始了。

调用AipOcr库识别表格文字


from aip import AipOcr #导入AipOcr模块，用于做文字识别

APP_ID = '*********' # 你申请的
API_KEY = '*********'# 你申请的
SECRET_KEY = '*********'# 你申请的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

选择的图片为某化学方程式表（来源于网络）

以二进制方式打开图片，读取：


file = "表格图片\\化学方程式表.jpg"
pic = open(file,'rb') #以二进制方式打开图片
img = pic.read() #读取
table = client.tableRecognitionAsync(img)    #调用表格识别模块
print(table)

然后调用表格识别模块tableRecognitionAsync()，并将返回值存入变量table中并查看：

table是一个字典，其中有2个键，一个叫result，一个叫log_id。我们需要的是result中的request_id,可以通过如下语句获取：


request_id = table['result'][0]['request_id']
request_id

通过这个ID，可以获取识别完成后所保存的excel表格的下载地址。将request_id传入getTableRecognitionResult()就能获取结果。


result = client.getTableRecognitionResult(request_id)
print(result)

打印一下结果result，就能看到下面的内容。其中result_data对应的那个网址就是Excel表格的下载地址。

调用WEBbrowser库使用webbrowser.open(url)语句自动打开网址进行下载：


url = result['result']['result_data']

import webbrowser # 打开浏览器
webbrowser.open(url)

附：Python 通过浏览器打开指定网址

1.通过默认浏览器打开网页


import webbrowser
webbrowser.open("Http://www.baidu.com")

　webbrowser.open(url, new=0, autoraise=True) 在系统的默认浏览器中访问url地址，如果new=0, url会在同一个

浏览器窗口中打开；如果new=1，新的浏览器窗口会被打开;new=2 新的浏览器tab会被打开

2.通过os模块,启动浏览器并打开指定网页


import os
os.system('"C:\Program Files\internet explorer\iexplore.exe" http://www.baidu.com')

3.使用selenium


from selenium import webdriver
url='http://www.baidu.com'
driver = webdriver.Firefox()
driver.get(url)

识别结果如下:

这个Excel文件有6张工作表，具体包含与图片中表格内容的对应关系如下。body储存表格部分的内容，header储存表头的文字，footer储存表尾的文字。

识别效果并非完美，但是整体看来还行，当然，原稿越清晰，识别效果越好。

可能遇到的问题

在开始前，需要检查图片的大小，必须在1K~4M之间，不然会报错“‘error_msg': ‘image size error, image is too big or too small, upper limit 4M, lower limit 1k, please check your param'”。

批量操作

先获取所有图片的路径，存入pictures列表。结果如下。


#获取路径下所有图片文件，并存入列表
import os
work_path = "表格图片\\"
pictures=[] # 存储文件夹内所有文件的路径（包括子目录内的文件）
for root, dirs, files in os.walk(work_path):
    path = [os.path.join(root, name) for name in files]
    pictures.extend(path)
pictures

然后将所有图片逐个传入表格识别接口，获取其请求ID及存有识别结果的Excel文件的下载地址。在提取Excel下载路径之前，需要先判断识别是否完成。这是通过识别结果返回的字典中的'ret_msg'对应的值来判断的。只有当它是“已完成”时，才能获得下载链接。此处用了while循环，每隔2秒刷新一下状态，直到状态是“已完成”时，才提取链接。然后使用requests.get()获取下载链接信息，写入Excel文件。Excel自动命名及下载结果如图。


from aip import AipOcr  #导入AipOcr模块，用于做文字识别
import time #时间模块
import requests #用于HTTP请求

APP_ID = '24800359' # 你申请的
API_KEY = 'PrmTtmrqkeaqhvxOPEN4eZVt'# 你申请的
SECRET_KEY = 'LOFpCH6wpLV7xZPG0DTcvV4x1Sqyvmk9'# 你申请的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

#提交识别请求，并储存所有请求ID
for picture in pictures:
    pic = open(picture,'rb') #以二进制方式打开图片
    img = pic.read() #读取
    table = client.tableRecognitionAsync(img)    #调用表格识别模块
    request_id = table['result'][0]['request_id']
    
    #判断识别是否完成，直到完成才根据请求ID获取Excel下载路径
    result = client.getTableRecognitionResult(request_id)  #通过ID获取识别结果
    while result['result']['ret_msg'] != '已完成': #如果状态是“已完成”，才能获取下载地址
        time.sleep(2) #暂停2秒再刷新
        result = client.getTableRecognitionResult(request_id) #持续刷新，直到满足条件
        
    download_path = result['result']['result_data']
    
    #下载并将Excel文件名设为图片名
    excel_name = picture.split(".")[0] + ".xls" #让excel文件的名字与图片相同
    excel = requests.get(download_path) #抓取下载链接
    file = open(excel_name, 'wb') #新建excel文件
    file.write(excel.content) #写入excel文件并保存