单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK+Python的GUI之tklinker+打包pyinstaller）
代码格式问题见谅，csdn写好粘过来的，想看起来直观的请移步我的csdn，个人简介有~
昨天我姐问我有没有软件可以批量识别图片上的文字，她在帮客户做资料整理，但是用的方法只能一张一张上传识别，不仅效率低还浪费时间。
?我就找了找批量识别的软件，下载下来觉得：嗯？不错，界面也挺好，小东西做的还挺别致。但是，识别三张就停止了，提示非最新版本要联系客服升级之类的，妥妥的套路，果断删除。又找了一个，嗯？界面更加好看一点儿，人家就很直接，三张之后提示购买会员，还显示了几种VIP的费用，很“人性”嘛。
?但是，在这个万物开源的互联网时代，让程序员掏腰包买软件是不可能滴，反正我是不会，啊哈哈。我首想到了反编译，把三张的限制取消，之前看过一些ios逆向工程的东西，这些应该都是通的。搜索了一番之后，有这么个方法，下载一个软件，把exe拖进去，就能显示源码了。又让我下东西，我就觉得很烦了，毕竟还是占空间的嘛。
?so，我写写就好了嘛，毕竟也是一名程序员，怎么能忘了呢。16年公司项目中身份证识别用到了OCR做身份证扫描，当时还在做iOS开发，好像用的一个第三方，细节嘛忘得差不多了（而且做app的话，我姐又不是iOS系统）。这次就用python的GUI然后打包成exe吧，翻翻我的笔记，对的19年12月份学习到的python打包那些刚好用上。要考虑到客户需求以及易用性，哈哈，然后就开始了。
一、关键需求点分析：
批量、图片文字识别、导出文本、操作便捷、图形化界面
二、用到的技术：
1、百度AI开放平台的通用文字识别SDK（没有广告成分，搜到什么用什么，免费调用量足够了），我的代码中用的是“网络图片文字识别”，可根据需求，自行调整；
文章图片
2、python的tklinker模块、打包工具pyinstaller；
3、也可以直接写入txt；
三、踩到的坑：
前一天的代码，第二天优化改改改之后，再用新图片来识别发现不行了，一度以为是哪里写错了，各种找原因，以为是获取文件夹路径方式不对，就自己复制了路径进来，发现报错了。
坑1：图片路径——转义
运行报错：SyntaxError: (unicode error) ‘unicodeescape’ codec can’t decode bytes in position 2-3: tr
我文件夹中复制来的路径：C:\Users\78755\Desktop\test\1.pngfilePath='C:\Users\78755\Desktop\test\1.png'报错原因：在windows系统当中读取文件路径可以使用\,但是在python字符串中\有转义的含义，如\t可代表TAB，\n代表换行，所以我们需要采取一些方式使得\不被解读为转义字符。解决方案：1、在路径前面加r，保持字符原始值的意思。filePath=r'C:\Users\78755\Desktop\test\1.png’2、替换为双反斜杠filePath='C:\\Users\\78755\\Desktop\\test\\1.png’3、替换为正斜杠filePath=‘C:/Users/78755/Desktop/test/1.png’
坑2：后缀——python批量修改指定文件夹下图片后缀
import os# 此处我是将test文件夹下全部.jpg后缀修改了成了.png并给图片重新命名os.chdir(r'C:\Users\78755\Desktop\test');
# 指定文件夹路径count=1;
# 初始序号# os.listdir(path) 方法用于返回指定的文件夹(path)包含的文件或文件夹的名字的列表，如果path=None，则使用path="."foritem in[xforx in os.listdir(".")]:# os.path.isfile( )判断某一对象(需提供绝对路径)是否为文件# 并且后缀以.jpg结尾ifos.path.isfile(item)and os.path.splitext(item)[1]=='.jpg':os.rename(item,'%s.png'%(count));
count+=1;
print(item);
四、实现：
1、安装OCR Python SDK
OCR Python SDK目录结构├── README.md├── aip//SDK目录│├── __init__.py//导出类│├── base.py//aip基类│├── http.py//http请求│└── ocr.py//OCR└── setup.py//setuptools安装
支持Python版本：2.7.+ ,3.+
安装使用Python SDK有如下方式：
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。
2、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。
3、单张识别：
# 单张图片识别i=open(r'C:\Users\78755\Desktop\test\1.png','rb')image=i.read()result=client.basicGeneral(image)#将所有的文字都合并到一起foritem in result['words_result']:print(item['words'])
4、批量识别：
# 图片批量识别filePath=r'C:\Users\78755\Desktop\test'defget_file_content(filePath):withopen(filePath,'rb')as fp:returnfp.read()forroot,dirs,files in os.walk(".",topdown=False):forname in files:if'png'in name:filePath=os.path.join(root,name)[2:]options={'detect_direction':'true','language_type':'CHN_ENG',}result=aipOcr.webImage(get_file_content(filePath),options)print(result)fori in result['words_result']:print(i['words'])
5、写入txt文件：
# 写入txtf=open("文件名.txt","a")#a 打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。f.write('要写入的内容')f.close()
6、Python GUI之tkinter窗口视窗的创建，并实现选择文件夹路径并展示路径的功能：
import tkinter as tk# 使用Tkinter前需要先导入from tkinter import*from tkinter.filedialog import askdirectory# GUI# 第1步，实例化object，建立窗口windowwindow=tk.Tk()# 第2步，给窗口的可视化起名字window.title('批量识别图片文字')# 第3步，设定窗口的大小(长*宽)window.geometry('1000x700')# 这里的乘是小x# 选择文件夹路径方法defselectPath():path_=askdirectory()path.set(path_)path=StringVar()# 第4步，在窗口界面设置放置Button按键selectedButton=tk.Button(window,text='选择文件夹',font=('Arial',12),width=10,height=1,command=selectPath).place(x=50,y=20)# 第5步，在图形界面上设定标签展示选择好的文件夹路径var=tk.StringVar()# 将label标签的内容设置为字符类型，用var来接收hit_me函数的传出内容用以显示在标签上pathLabel=tk.Label(window,textvariable=path,bg='gray',fg='white',font=('Arial',12),width=30,height=2).place(x=180,y=20)# 说明： bg为背景，fg为字体颜色，font为字体，width为长，height为高，这里的长和高是字符的长和高，比如height=2,就是标签有2个字符这么高# 第6步，主窗口循环显示window.mainloop()
7、完整代码：
（1）、融合图片识别和图形化界面，可自定通过窗口进行选择图片文件夹进行识别（将要识别的图片放到同一文件夹下即可，此处以.png后缀为例）；
（2）、识别结果的展示用到了tklinker的scrolledtext；
（3）、窗口大小及各控件样式可调整；
# encoding:utf-8# author：笑胖仔from aip import AipOcrimport osimport tkinter as tk# 使用Tkinter前需要先导入from tkinter import*from tkinter.filedialog import askdirectoryfrom tkinter import scrolledtext""" 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)# GUI# 第1步，实例化object，建立窗口windowwindow=tk.Tk()# 第2步，给窗口的可视化起名字window.title('批量识别图片文字')# 第3步，设定窗口的大小(长*宽)window.geometry('1000x700')# 这里的乘是小x# 选择文件夹路径方法defselectPath():path_=askdirectory()path.set(path_)path=StringVar()# 第4步，在窗口界面设置放置Button按键selectedButton=tk.Button(window,text='选择文件夹',font=('Arial',12),width=10,height=1,command=selectPath).place(x=50,y=20)# selectedButton.pack()# 第5步，在图形界面上设定标签var=tk.StringVar()# 将label标签的内容设置为字符类型，用var来接收hit_me函数的传出内容用以显示在标签上pathLabel=tk.Label(window,textvariable=path,bg='gray',fg='white',font=('Arial',12),width=30,height=2).place(x=180,y=20)# 说明： bg为背景，fg为字体颜色，font为字体，width为长，height为高，这里的长和高是字符的长和高，比如height=2,就是标签有2个字符这么高# pathLabel.pack()# 第6步，展示识别结果resourceScrolledtext=scrolledtext.ScrolledText(window,width=80,height=23,font=("隶书",18))#滚动文本框（宽，高（这里的高应该是以行数为单位），字体样式）resourceScrolledtext.place(x=20,y=100)#滚动文本框在页面的位置# 识别文字方法defscanPics():filePath=path.get()# 读取图片defget_file_content(filePath):withopen(filePath,'rb')as fp:returnfp.read()forroot,dirs,files in os.walk(".",topdown=False):forname in files:if'png'in name:filePath=os.path.join(root,name)[2:]options={'detect_direction':'true','language_type':'CHN_ENG',}result=client.webImage(get_file_content(filePath),options)print(result)resourceScrolledtext.insert("insert",'\n\n')# 在scrolledtext插入间隔，使每张图片识别内容中间有间隔fori in result['words_result']:print(i['words'])# # 如果需要写入txt，将此段解注释即可# f = open("文件名.txt", "a") #a 打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。# f.write(i['words'] + '\n')# f.close()# 将识别结果插入scrolledtext，在窗口试图中显示resourceScrolledtext.insert("insert",i['words']+'\n')# 第7步，识别文字按钮scanButton=tk.Button(window,text='开始识别',font=('Arial',12),command=scanPics).place(x=800,y=20)# scanButton.pack()# 第8步，主窗口循环显示window.mainloop()
8、将python打包成.exe文件：
（1）、安装pyinstaller：pip install pyinstaller
（2）、打包：cd 到文件目录下，如test.py文件，pyinstaller -F test.py
（3）、执行完之后，会多出一个.spec文件以及build、dist两个目录，dist中的.exe文件直接运行即可；
9、测试：
文章图片
文章图片
文章图片
文章图片
10、后续测试：
按之前步骤进行打包成exe后，反复测试都识别不成功，且命令行没有返回任何结果，而程序内运行正常。开始寻找可能的原因，并进行测试。
预测原因：“打包后exe程序不能发送网络请求”
测试1（无果）：
以为是打包后的exe程序没有进行网络请求，网上有说是使用了第三方库的话，用pyinstaller打包前，需要把\Lib\site-packages下相应的包复制到同要打包的.py文件同一目录，经反复测试无用。
测试2（成功）：
新建一文件requestTest.py，用request做单张图片识别请求并打印结果，测试打包成exe之后能否成功调用接口。运行打包后的exe，报错：FileNotFoundError:
[Errno 2] No such file or directory: ‘呢呢呢.png’
文章图片
尝试将资源图片复制到打包好的exe程序同目录下，即为dist目录下。此时再打开exe程序，点击识别，成功打印出结果（但是，此时已不关乎GUI中选择路径的功能，直接点击识别即可识别，不知其中缘由，但是解除了我“打包后exe程序不能发送网络请求”的猜测）。
测试3（成功）：
仍然换回ocr.py进行打包，打包成功后，选择文件夹，开始识别，果然还是无打印结果。把要识别的文件夹放入dist文件夹下，再打开exe，直接点击开始识别，识别成功。
文章图片
11、补充：
pyinstaller打包，一些可选参数：
使用顺序：pyinstall -i 图标名称.ico -n 打包后程序名称 -w -F 要打包的文件名.py
先图标路径，再程序路径
（1）、打包单文件模式：-F
（2）、打包成文件夹：-D
（3）、修改icon（图标后缀.ico，不可自行修改，网上有转.ico格式的方法）：-i xxx.ico
（4）、修改打包后的程序名称：-n
（5）、不弹出命令行行：-w
【单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK+Python的GUI之tklinker+打包pyinstaller）】如我的程序：pyinstaller -i 笑胖仔.ico -n 批量识别图片中文字 -w -F ocr.py
文章图片
文章图片
推荐阅读
- 一个人的碎碎念
- 野营记-第五章|野营记-第五章 讨伐梦魇兽
- Shell-Bash变量与运算符
- 清明，是追思、是传承、是感恩。
- 牛人进化+|牛人进化+ 按自己的意愿过一生
- 七老修复好敏感、角质层薄、红血丝
- 华为旁！大社区、地铁新盘，佳兆业城市广场五期！
- 标签、语法规范、内联框架、超链接、CSS的编写位置、CSS语法、开发工具、块和内联、常用选择器、后代元素选择器、伪类、伪元素。
- 螃蟹和这些食物同吃，轻则腹泻、重则中毒！要小心哦~
- 八、「料理风云」