快捷導(dǎo)航

Python調(diào)用百度AI實現(xiàn)圖片上表格識別功能

更新時間：2021年09月14日 11:52:46 作者：魚尾努力淦飯

這篇文章主要給大家介紹了關(guān)于Python調(diào)用百度AI實現(xiàn)圖片上表格識別功能的相關(guān)資料,在Python環(huán)境下,利用百度AI開放平臺文字識別技術(shù),對表格類圖片進(jìn)行識別,需要的朋友可以參考下

簡介

Python免費(fèi)調(diào)用百度AI實現(xiàn)圖片上面的表格識別

步驟

安裝百度AI庫

!pip install baidu-aip

注冊百度AI開放平臺

先注冊百度AI，獲得ID和密鑰。注冊方法可參考：注冊方法只需走到 “1.6 獲取密鑰” 即可。然后記錄下自己的APP_ID、API_KEY、SECRET_KEY，就可以開始了。

調(diào)用AipOcr庫識別表格文字

from aip import AipOcr #導(dǎo)入AipOcr模塊，用于做文字識別

APP_ID = '*********' # 你申請的
API_KEY = '*********'# 你申請的
SECRET_KEY = '*********'# 你申請的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

選擇的圖片為某化學(xué)方程式表（來源于網(wǎng)絡(luò)）

以二進(jìn)制方式打開圖片，讀?。?/p>

file = "表格圖片\\化學(xué)方程式表.jpg"
pic = open(file,'rb') #以二進(jìn)制方式打開圖片
img = pic.read() #讀取
table = client.tableRecognitionAsync(img)    #調(diào)用表格識別模塊
print(table)

然后調(diào)用表格識別模塊tableRecognitionAsync()，并將返回值存入變量table中并查看：

table是一個字典，其中有2個鍵，一個叫result，一個叫l(wèi)og_id。我們需要的是result中的request_id,可以通過如下語句獲?。?/p>

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

通過這個ID，可以獲取識別完成后所保存的Excel表格的下載地址。將request_id傳入getTableRecognitionResult()就能獲取結(jié)果。

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

打印一下結(jié)果result，就能看到下面的內(nèi)容。其中result_data對應(yīng)的那個網(wǎng)址就是Excel表格的下載地址。

調(diào)用webbrowser庫使用webbrowser.open(url)語句自動打開網(wǎng)址進(jìn)行下載：

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

import webbrowser # 打開瀏覽器
webbrowser.open(url)

附：Python 通過瀏覽器打開指定網(wǎng)址

1.通過默認(rèn)瀏覽器打開網(wǎng)頁

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

　webbrowser.open(url, new=0, autoraise=True) 在系統(tǒng)的默認(rèn)瀏覽器中訪問url地址，如果new=0, url會在同一個

瀏覽器窗口中打開；如果new=1，新的瀏覽器窗口會被打開;new=2 新的瀏覽器tab會被打開

2.通過os模塊,啟動瀏覽器并打開指定網(wǎng)頁

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)

識別結(jié)果如下:

這個Excel文件有6張工作表，具體包含與圖片中表格內(nèi)容的對應(yīng)關(guān)系如下。body儲存表格部分的內(nèi)容，header儲存表頭的文字，footer儲存表尾的文字。

識別效果并非完美，但是整體看來還行，當(dāng)然，原稿越清晰，識別效果越好。

可能遇到的問題

在開始前，需要檢查圖片的大小，必須在1K~4M之間，不然會報錯“‘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

先獲取所有圖片的路徑，存入pictures列表。結(jié)果如下。

#獲取路徑下所有圖片文件，并存入列表
import os
work_path = "表格圖片\\"
pictures=[] # 存儲文件夾內(nèi)所有文件的路徑（包括子目錄內(nèi)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

然后將所有圖片逐個傳入表格識別接口，獲取其請求ID及存有識別結(jié)果的Excel文件的下載地址。在提取Excel下載路徑之前，需要先判斷識別是否完成。這是通過識別結(jié)果返回的字典中的'ret_msg'對應(yīng)的值來判斷的。只有當(dāng)它是“已完成”時，才能獲得下載鏈接。此處用了while循環(huán)，每隔2秒刷新一下狀態(tài)，直到狀態(tài)是“已完成”時，才提取鏈接。然后使用requests.get()獲取下載鏈接信息，寫入Excel文件。Excel自動命名及下載結(jié)果如圖。

from aip import AipOcr  #導(dǎo)入AipOcr模塊，用于做文字識別
import time #時間模塊
import requests #用于HTTP請求

APP_ID = '24800359' # 你申請的
API_KEY = 'PrmTtmrqkeaqhvxOPEN4eZVt'# 你申請的
SECRET_KEY = 'LOFpCH6wpLV7xZPG0DTcvV4x1Sqyvmk9'# 你申請的
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

#提交識別請求，并儲存所有請求ID
for picture in pictures:
    pic = open(picture,'rb') #以二進(jìn)制方式打開圖片
    img = pic.read() #讀取
    table = client.tableRecognitionAsync(img)    #調(diào)用表格識別模塊
    request_id = table['result'][0]['request_id']
    
    #判斷識別是否完成，直到完成才根據(jù)請求ID獲取Excel下載路徑
    result = client.getTableRecognitionResult(request_id)  #通過ID獲取識別結(jié)果
    while result['result']['ret_msg'] != '已完成': #如果狀態(tài)是“已完成”，才能獲取下載地址
        time.sleep(2) #暫停2秒再刷新
        result = client.getTableRecognitionResult(request_id) #持續(xù)刷新，直到滿足條件
        
    download_path = result['result']['result_data']
    
    #下載并將Excel文件名設(shè)為圖片名
    excel_name = picture.split(".")[0] + ".xls" #讓excel文件的名字與圖片相同
    excel = requests.get(download_path) #抓取下載鏈接
    file = open(excel_name, 'wb') #新建excel文件
    file.write(excel.content) #寫入excel文件并保存