Python之ocr识别图片并转为excel文件

环境准备

1.开通腾讯文字识别服务

        按照官网步骤进行开通：https://cloud.tencent.com/product/generalocr/getting-started

开通后可获得两个参数：SecretId、SecretKey

         腾讯提供的文字识别服务，支持多种图片识别，包括身份证、表格、或者其他通用文字识别等，本文主要使用表格识别服务。

接口调用说明：

1.打开表格识别V2接口说明文档：https://cloud.tencent.com/document/product/866/49525#1.-.E6.8E.A5.E5.8F.A3.E6.8F.8F.E8.BF.B0

2.进入接口调试页面

 3.自动生成python语法的代码片段（供参考）

   

2.开发环境准备：

tencentcloud-sdk-python：

        pip install -i https://mirrors.tencent.com/pypi/simple/ --upgrade tencentcloud-sdk-python

参考地址：https://cloud.tencent.com/document/sdk/Python

3.打包应用程序（按照下述步骤安装）

（1）pip install pywin32；
（2）pip install wheel
（3）pip install -U setuptools
（4）pip install pyinstaller

参考资料：https://blog.youkuaiyun.com/qiuqiuit/article/details/113080645

代码设计：

1.yaml

yaml文件管理配置信息：SecretId、SecretKey

yaml配置文件内容：config.yaml

# -*- coding: utf-8 -*-
secret_id: AKIDvpcBVdZJ0b2Rfha******
secret_key: DD0ZtzsXzFI6h5FAsN******

对应的读取yaml内参数的代码如下：

import yaml
def get_yaml_data(yaml_file):
    #1-打开yaml文件
    file = open(yaml_file, 'r', encoding="utf-8")
    #2-读取文件
    file_data = file.read()
    #3-将字符串转化为字典或列表
    data = yaml.safe_load(file_data)
    #4-关闭按文件
    file.close()
    #返回读取的数据内容
    return data

 2.ocr识别图片

# -*- coding: utf-8 -*-
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.ocr.v20181119 import ocr_client, models
import base64
# OCR识别封装
def img_to_excel(output_file_name,
                 image_path,
                 secret_id,
                 secret_key):
    #1- 实例化一个认证对象，入参需要传入腾讯云账户secretId，secretKey
    cred = credential.Credential(
        secret_id,
        secret_key
    )
    #2- 实例化client对象
    http_profile = HttpProfile()
    http_profile.endpoint = "ocr.tencentcloudapi.com"

    client_profile = ClientProfile()
    client_profile.httpProfile = http_profile
    client_profile.signMethod = "TC3-HMAC-SHA256"
    client = ocr_client.OcrClient(cred, "ap-shanghai", client_profile)
    #3-实例化一个请求对象--使用表格V2
    fast_request = models.TableOCRRequest()
    #4-读取图片数据，使用Base64编码
    with open(image_path, 'rb') as f:
        image = f.read()
        image_base64 = str(base64.b64encode(image), encoding='utf-8')
    fast_request.ImageBase64 = image_base64
    #5-通过client对象调用访问接口，传入请求对象----使用表格V2
    resp=client.TableOCR(fast_request)
    #6-获取返回数据（Data为Base64编码后的Excel数据）
    data = resp.Data
    # 转换为Excel
    output_file_name = str(output_file_name)
    path_excel = output_file_name + ".xlsx"
    with open(path_excel, 'wb') as f:
        f.write(base64.b64decode(data))
    return path_excel

3.运行调用

# -*- coding: utf-8 -*-

import ocr
import yaml_class
'''
图片统一命名格式：'num'+N(编号）+'.jpn'
excel文件名称格式：与图片的N（编号）一一对应
'''
def ocr_pic(N):
    #调用yaml读取函数，已列表形式返回配置数据secret_id，secret_key
    config = yaml_class.get_yaml_data("config.yml")
    #遍历读取图片，N为图片的个数
    for image_path in range(1, N + 1):
        pic_path = image_path
        # 调用ocr识别图片并转成excel文件
        path_excel = ocr.img_to_excel(
            'excel_list/' + str(pic_path) ,  #excel文件路径+文件名
            'pic_list/' + 'num' + str(image_path) + '.png',  #图片文件路径+文件名
            secret_id=config['secret_id'],
            secret_key=config['secret_key'],
        )

if __name__ == '__main__':
    #入参为图片数量，假设有2张图片
    ocr_pic(2)

4.结果