在開發(fā)過程中，我們經(jīng)常需要對(duì)圖片進(jìn)行文字識(shí)別，例如身份證識(shí)別、發(fā)票識(shí)別、文檔掃描等場(chǎng)景。使用 OCR（Optical Character Recognition，光學(xué)字符識(shí)別）API 可以快速實(shí)現(xiàn)這些功能。本文將以 Python 為例，帶你完成 OCR 文字識(shí)別 API 接入全過程，并提供在線體驗(yàn)和實(shí)用優(yōu)化建議。

一、準(zhǔn)備工作

注冊(cè) OCR API 服務(wù)
我們以石榴智能OCR接入API為示例，注冊(cè)后可獲得 API Key 和 Secret Key。

安裝 Python 依賴庫

pip install requests pillow

• requests：用于發(fā)送 HTTP 請(qǐng)求
• Pillow：用于圖片處理，可選

準(zhǔn)備測(cè)試圖片
圖片可以是身份證、票據(jù)、文檔掃描件等。

二、API 請(qǐng)求方式簡(jiǎn)介

OCR API 通常需要發(fā)送以下參數(shù)：

• image：圖片 Base64 編碼或 URL
• type：識(shí)別類型（如 id_card、invoice、general）
• language：可選，多語言識(shí)別

示意請(qǐng)求格式：

請(qǐng)求URL：

POST http(s)://ocr-api.shiliuai.com/api/advanced_general_ocr/v1

請(qǐng)求方式：

請(qǐng)求頭

請(qǐng)求體

返回信息：

返回結(jié)構(gòu)

以下是返回示例

data 成功示例：
data = {
       "content":
       [
              {
                     "text": "你好", // string, 文字內(nèi)容
                     "prob": 0.995, // float, [0, 1], 文字內(nèi)容置信度
                     "keypoints": [ // list, 文字區(qū)域四個(gè)角的位置，以文字的左上角為起點(diǎn)，按順時(shí)針順序排列，單行文字沒有此項(xiàng)
                            {"x":50, "y":20},
                            {"x":150, "y":20},
                            {"x":150, "y":60},
                            {"x":50, "y":60}
                            ]
              },
              ......
       ]
}
data 失敗示例：
data = {}

三、Python 接入示例

# API文檔：https://market.shiliuai.com/doc/advanced-general-ocr
# -*- coding: utf-8 -*-
import requests
import base64
import json

# 請(qǐng)求接口
URL = "https://ocr-api.shiliuai.com/api/general_ocr/v1"

# 圖片轉(zhuǎn)base64
def get_base64(file_path):
    with open(file_path, 'rb') as f:
        data = f.read()
    b64 = base64.b64encode(data).decode('utf8')
    return b64


def demo(appcode, file_path):
    # 請(qǐng)求頭
    headers = {
        'Authorization': 'APPCODE %s' % appcode,
        'Content-Type': 'application/json'
    }
    # 請(qǐng)求體
    b64 = get_base64(file_path)
    data = {"image_base64": b64}
    # 請(qǐng)求
    response = requests.post(url=URL, headers=headers, json=data)
    content = json.loads(response.content)
    print(content)

if __name__=="__main__":
    appcode = "你的APPCODE"
    file_path = "本地圖片路徑"
    demo(appcode, file_path)

四、識(shí)別效果示例

五、常見優(yōu)化技巧

清晰圖片優(yōu)先
模糊、傾斜、反光的圖片識(shí)別率低，建議先做簡(jiǎn)單預(yù)處理。

裁剪或分區(qū)識(shí)別
對(duì)身份證、發(fā)票等圖片按區(qū)域識(shí)別，可提高精度。

批量或異步處理
對(duì)多張圖片，可使用隊(duì)列或多線程異步調(diào)用 API。

錯(cuò)誤處理
網(wǎng)絡(luò)異常、識(shí)別失敗或 API 錯(cuò)誤碼都需處理，保證程序穩(wěn)定。

六、在線體驗(yàn)與多語言文檔

• 在線體驗(yàn)：https://market.shiliuai.com/general-ocr
• 文檔支持 Python、Java、PHP、C# 等多語言示例
• 提供身份證識(shí)別、發(fā)票識(shí)別、通用文字識(shí)別等多種接口

七、總結(jié)

本文介紹了 Python 調(diào)用 OCR API 的完整流程，包括：

• 注冊(cè) API 并獲取密鑰
• Python 依賴安裝及圖片準(zhǔn)備
• API 請(qǐng)求示例及識(shí)別結(jié)果處理
• 圖片優(yōu)化和錯(cuò)誤處理技巧
• 在線體驗(yàn)與文檔參考

通過 OCR API，你可以快速將文字識(shí)別能力集成到網(wǎng)站、桌面應(yīng)用或移動(dòng)端應(yīng)用中，實(shí)現(xiàn)身份證識(shí)別、票據(jù)識(shí)別、文檔掃描等多場(chǎng)景需求。

以上就是使用Python接入OCR文字識(shí)別API的全教程的詳細(xì)內(nèi)容，更多關(guān)于Python OCR文字識(shí)別API接入的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論