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

微信截图_20200708134031.png

二、创建应用

微信截图_20200708134116.png

三、pom.xml里面加入依赖

    <!-- 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>

下面是代码Sample3类的代码

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 = "自己申请的APP_ID";
    public static final String API_KEY = "自己申请的API_KEY";
    public static final String SECRET_KEY = "自己申请的SECRET_KEY ";
    
    // 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));

    }
}

然后main方法运行下：

package com.example.demo.controller.sign;

import com.example.demo.controller.Sample3;

public class test {
    public static void main(String[] args) {
        Sample3 sample3 = new Sample3();
        sample3.sample();
    }
}

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。