调用百度ai接口实现图片文字识别详解

调用百度ai接口实现图片文字识别详解

首先先介绍一下这篇博文是干嘛的，为了不浪费大家时间。公司最近和短视频公司合作，需要监控app的截图上的文字是否符合规范，也就是确保其没有违规的文字。到网上找了一些资料发现百度ai提供这个功能，这篇文章主要就是介绍怎么获取到图片上的文字。接下来进入正题，look down,man：

一、下载项目

1、在浏览器输入网址http://ai.baidu.com/或者百度搜索‘百度ai’点击第一个。点击主页的产品服务，看到通用文字识别。如下图所示：

2、点击技术文档，里面有SDK。

3、可以看到在文字识别在的api文档有多个接口，你可以根据你的需求来选择对应的接口。

4、重点是现在这里，看到SDK文档的java语言，因为我用的是java，所以这里就介绍这个了，其他语言也一样选择对应的文档查看就行了。

5、在官方网站下载所需的jar包，你会看到下图所示，选择文字识别，然后下载右边的java SDK的jar包。

6、下载的jar包如图所示：

二、部署项目

1、先将项目导入到你的ide，我这里用的是eclispe。然后去下个jar包，叫做aip-java-sdk-version.jar。version对应的是你之前下载的项目的版本，这里下载aip-java-sdk-4.11.0.zip就好了。你可以直接百度搜索jar包名称，会发现有很多c站的资源可以下，我这里为了方便大家已经上传到了百度网盘，链接https://pan.baidu.com/s/1OWyE3s4d9MUWuC8dIbTMSQ、提取码mjiq。将包下下来以后回到项目这里，直接将包复制到你的项目下面，然后右键add build path，或者右键项目Build Path -> Add JARs选择其也可以。

2、因为项目中有用到json-20160810.jar和log4j-1.2.17.jar，所以在pom.xml文件加入如下两个依赖：

其中json包是在接收百度ai文字识别接口返回值时用的，log4j是输出日志时用的。如果你不想用这两个依赖。比如想用阿里的fastjson，将代码中的相应部分改掉就好了。

<!-- json依赖 -->
<dependency>
        <groupId>org.json</groupId>
        <artifactId>json</artifactId>
        <version>20160810</version>
    </dependency>

<!-- https://mvnrepository.com/artifact/log4j/log4j -->
<dependency>
    <groupId>log4j</groupId>
    <artifactId>log4j</artifactId>
    <version>1.2.17</version>
</dependency>

3、你可以看到项目的结构，没错，这是一个springboot项目。

三、调用接口

1、在真正使用百度ai图片文字识别的接口前还需要一个东西，继续回到百度ai的主页。点击下图中的控制台中的文字识别。

2、选择应用列表，点击创建应用，然后填写一些相应的信息就可以创建了，这里我就不一一概述了。

3、创建好了会如下图所示，其中AppId、API Key、Secret Key都是有值的。在这里先说声恭喜啦，你离成功越来越近了。

4、在你的ide中打开之前的项目，在项目中随意建一个文件夹，在文件夹下随意建一个java类。我这里是run文件夹下建的Sample类。

5、然后将以下代码复制到你的Sample类中，我简单做一下说明。APP_ID 、API_KEY 、SECRET_KEY是你之前在控制台创建的，复制过来就可以了。options是设置可以识别的语言，path是你图片的路径，如果你不想设置语言类型，直接传new HashMap<String,String>()就可以了。现在你可以弄张图片测试下了。

import java.util.HashMap;
import org.json.JSONObject;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import com.baidu.aip.ocr.AipOcr;
import com.baidu.aip.run.mapper.KeyWordMapper;

@Component
public class Sample{

@Autowired
private KeyWordMapper keyWordMapper;

// 设置APPID/AK/SK
public static final String APP_ID = "1632656666";
public static final String API_KEY = "SuIze0vOa1BQX9KhooKgtK311Q";
public static final String SECRET_KEY = "kXQe85iSiv7TuamRXqbkdSyohIBSdCl227";

// 初始化用户对象
    public static AipOcr init() {
    // 初始化一个AipOcr
        AipOcr client = new AipOcr(APP_ID, API_KEY, SECRET_KEY);
        // 可选：设置网络连接参数
        client.setConnectionTimeoutInMillis(2000);
        client.setSocketTimeoutInMillis(60000);
        
        return client;
}

    public void sample() {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("language_type", "CHN_ENG");
        options.put("detect_direction", "true");
        options.put("detect_language", "true");
        options.put("probability", "true");

        AipOcr client = init();
        
        // 参数为本地图片路径
        String image = "test.jpg";
        String path = "C:\\Users\\Lenovo\\Desktop\\图片\\aaa.jpg";
        JSONObject res = client.basicGeneral(path, options);
        System.out.println(res.toString());

//        // 参数为本地图片二进制数组
//        byte[] file = readImageFile(image);
//        res = client.basicGeneral(file, options);
//        System.out.println(res.toString(2));


        // 通用文字识别, 图片参数为远程url图片
//        JSONObject res = client.basicGeneralUrl(url, options);
//        System.out.println(res.toString(2));

    }
}

6、这点是扩展，主要讲讲接口的返回值。返回值是以json格式返回的。经过我的测试发现一共有三种可能的返回值。

一、图片上有字并识别成功：这种情况在json返回值中会包含一个words_result键名，值就是识别到的文字，它是一行一行识别的，所以在words_result里面可能有多个值，键名是words。

二、图片上有字但不出：这种情况是图片上是有字的，但是没有识别出来，返回的words_result里面是空的。比如艺术字。

三、图片格式错误：这种情况是图片上根本就没字或者没有可识别的文字，返回值会包含一个error_code键名，你可以直接通过返回值是否包含其来判断格式是否错误。