最近一直在研究光學字元辨識， 即OCR。 最開始瞭解到開源的Tesseract， 可以拿來識別簡單的英文和數位。 但是識別中文的準確率並不高。
然後從Tesseract到Tesseract.js， 經過多次嘗試研究， 最後發現騰訊爹的萬象優圖識別率是最高的。 趁現在是公測免費期， 趕緊嘗試了一把。
下面來說一說怎麼用python實現中文識別的。
首先創建一個bucket， 然後可以選擇上傳圖片
這些準備工作做好以後， 就開始寫代碼吧
我們這裡，
萬象優圖OCR介面採用http協定， 支援指定圖片URL和 上傳本地圖片檔兩種方式。
根據使用者提供的圖片， 返回識別出的欄位資訊。
這裡有三點需要注意：
(1) 每個請求的包體大小限制為6MB。
(2) 所有介面都為POST方法。
(3) 不支持 .gif這類的多幀動圖。
然後我用可以使用requests模組來發http請求。
這裡最麻煩的就是要定制請求頭， 不然騰訊雲是解析不到的， 筆者才疏學淺在這裡研究了一下午才正確定制出了請求頭。 。 。 。
先來看看請求頭的規則：
參數名值描述Hostrecognition.image.myqcloud.com伺服器功能變數名稱Content-Length包體總長度整個請求包體內容的總長度， 單位：位元組（Byte）Content-TypeApplication/json或者Multipart/form-data根據不同介面選擇Authorization鑒權簽名用於鑒權的簽名，這裡的難點就是這個鑒權簽名， 直接點擊表格裡面的詳情去看吧， 我這裡不做複製粘貼。
關於請求參數：
使用image則使用 multipart/form-data格式
不使用image則使用 application/json格式
參數名是否必須類型參數說明appid必須string專案IDbucket必須string空間名稱image可選binary圖片內容url可選string圖片的url,image和url只提供一個即可， 如果都提供， 只使用url好了， 現在開始正式開始吧
先寫一下請求頭涉及到的變數
然後依次把他們拼接起來
我這裡採用的是單次
然後再根據要求進行 HMAC-SHA1加密
這裡強調一下， 官方的說法是
根據我的研究， 轉換出來的不是二進位， 然後我還特意去轉成了二進位。 。 。 。 。 。 發現其實根本不用， 轉出來的在pycharm裡面是個亂碼， 可以直接用的
最後， 加密的資料和之前的拼接資料再拼在一起做base64轉碼
這樣簽名就完成了， 後面的基本不難， 主要就是簽名這裡有坑， 下面直接上代碼：
# coding=utf-8# /usr/bin/python# coding=utf-8# create by 15025463191 2017/10/11import requestsimport hmacimport hashlibimport base64import timeimport randomimport reappid = "1254602529"bucket = "imgregnise"secret_id = "AKIDZx72kFVBPRF4324234234o8C1auynPezyl" #我更改了， 不要複製我的secret_key = "h9NUN1RbZIm11mJbUt2v32432Zx" #我更改了， 不要複製我的expired = time.time() + 2592000onceExpired = 0current = time.time()rdm = ''.join(random.choice("0123456789") for i in range(10))userid = "0"fileid = "tencentyunSignTest"info = "a=" + appid + "&b=" + bucket + "&k=" + secret_id + "&e=" + str(expired) + "&t=" + str(current) + "&r=" + str( rdm) + "&u=0&f=" signindex = hmac.new(secret_key, info, hashlib.sha1).digest() # HMAC-SHA1加密sign = base64.b64encode(signindex + info) # base64轉碼url = "http://recognition.image.myqcloud.com/ocr/general"headers = {'Host': 'recognition.image.myqcloud.com', "Content-Length": "187", "Content-Type": "application/json", "Authorization": sign }payload = { "appid": appid, "bucket": bucket, "url": "http://imgregnise-1254602529.picsh.myqcloud.com/123456.png"}r = requests.post(url, json=payload, headers=headers)responseinfo = r.contentr_index = r'itemstring":"(.*?)"' # 做一個正則匹配result = re.findall(r_index, responseinfo)for i in result: print i我這裡用圖片試驗了一次， 準備率還是很高的， 就是中間少了一個“餐。 ”
但是這樣的識別率已經是很高了
最後預祝各種識別成功！（轉自博客園）
· 學IT， 就來中公優就業：http://www.ujiuye.com/
· 2017年【中公教育】特別推出2017年就業促進計畫， 500萬就業基金助你成為IT達人
詳情請戳http：//www.ujiuye.com/zt/jycj/?wt.bd=bgz