研究百度OCR的API,主要是向做对扫描版的各种PDF进行文字识别并转Word文档的需求。
这里用Postman客户端进行测试和演示。因为Postman是对各种API操作的最佳入门方式。一旦在Postman里实现了正确的调用,剩下的就只是一键生成代码,和一些细节的修改了。
参考百度云官方文档:文字识别API参考
下载官方文档PDF:OCR.zh.pdf
授权字符串 Access Token
Token字符串
永远是你使用别人API的第一步,简单说,就是只有你自己知道的密码,在你每次向服务器发送的请求里面加上这个字符串,就相当于完成了一次登录。
如果没有Token授权认证,API的访问可能会像浏览网页一样简单。
Access Token
一般是调用API最重要也最麻烦的地方了:每个公司都不一样,各种设置安全问题让你的Token复杂化。而百度云的Token,真的是麻烦到一定地步了。
参考:百度API的鉴权认证机制 (建议你不要参考,因为它的流程图会先把你镇住的)
简单说,获取百度云token字符串的主要流程就是:
- 创建一个应用,获得只有自己知道的id和密码
- 用POST方式把id和密码发给百度的一个链接:
https://aip.baidubce.com/oauth/2.0/token
-
其中,需要你向这个地址传送三个参数:
-
grant_type = client_credentials
这个是固定的 -
client_id = xxx
这个是你在百度云管理后台创建OCR应用的时候,那个应用的API Key
-
client_secret = xxx
这个是你的应用的Secret Key
-
- 等待服务器返还给你一个包含token字符串的数据
- 记住这个token字符串,并用来访问每一次的API
来看看怎么利用Postman操作,如下图所示:
填好以后点击Send发送,就会获得一个JSON数据,如下图:
然后你用你的程序(Python, PHP, Node.js等,随便),获取这个JSON中的access_token
,
即可用到正式的API请求中,做为授权认证。
正式调用API: 以"通用文字识别"为例
API链接:https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic
提交方式:POST
调用方式有两种:
- 方式一:直接在URL填写信息
直接把API所需的认证信息放在URL里是最简单最方便的。
- ~方式二:Headers填写信息方式~
建议忽略这种方式,需要填写很多request的标准headers,太麻烦。
Headers设置:
Content-Type = application/x-www-form-urlencoded
只要填这一项就够了。
Body数据传送的各项参数:
-
access_token = xxx
把之前获取到的token字符串填到这里来 -
image = xxx
把图片转成base64字符串填到这里,不需要开头的data:image/png;base64,
-
url = xxx
也可以不用传图片而是传一个图片的链接。但是百年无效,不要用! -
language_type = CHN_ENG
识别语言类型。默认中英。
Body的数据如图所示:
然后就可以点Send发送请求了。
成功后,可以得到百度云返回的一个JSON数据,类似下图:
返回的是一行一行的识别字符。百度云的识别率是相当高的,几乎100%吧。毕竟是国内本土的机器训练出来的。
API常用地址
以下是百度云的OCR常用API地址,每个API所需的参数都差不多,略有不同。所有的API和地址以及详细所需的参数,参考官方文档,很简单。一个弄明白了就其他的都明白了。
API | 请求地址 | 调用量限制 |
---|---|---|
通用文字识别 | https://aip.baidubce.com/rest... | 50000次/天免费 |
通用文字识别(含位置信息版) | https://aip.baidubce.com/rest... | 500次/天免费 |
通用文字识别(高精度版) | https://aip.baidubce.com/rest... | 500次/天免费 |
通用文字识别(高精度含位置版) | https://aip.baidubce.com/rest... | 50次/天免费 |
网络图片文字识别 | https://aip.baidubce.com/rest... | 500次/天免费 |
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。