用python制作属于自己OCR小脚本。
现在的ocr技术已经相当成熟,笔者因为前端时间要做一个pyqt5的项目,学习了点pyqt5的知识,又恰逢领导需要,需要制作一个pdf转换为txt文本的脚本,一番交流之后,才晓得只是想提取pdf的一部分内容,而且pdf都是图片格式的,不能复制,泪奔啊,一番尝试+百度,决定采用截图方式提取pdf内容,方便,快捷。
主要实现的功能:
- 全局热键截图
- 截图文字提取
- 截图文字展现。
上一个效果图:
主界面:
环境:win10; python3.6, pyqt55.12。
第一部分,全局热键
代码实现:
# _*_ coding:UTF-8 _*_ import win32con import ctypes import ctypes.wintypes RUN=False #用来传递运行一次的参数 EXIT = False #用来传递退出的参数 user32 = ctypes.windll.user32 #加载user32.dll id1=113 #注册热键的唯一id,用来区分热键 id2=106 class Hotkey: #创建一个Thread.threading的扩展类 def __init__(self, single): self.single = single['bar_value'] def runs(self): global EXIT #定义全局变量,这个可以在不同线程间共用。 global RUN #定义全局变量,这个可以在不同线程间共用。 if not user32.RegisterHotKey(None, id1, 0, win32con.VK_F2): # 注册快捷键F9并判断是否成功,该热键用于执行一次需要执行的内容。 print ("Unable to register id", id1) # 返回一个错误信息 if not user32.RegisterHotKey(None, id2, 0, win32con.VK_F10): # 注册快捷键F10并判断是否成功,该热键用于结束程序,且最好这么结束,否则影响下一次注册热键。 print ("Unable to register id", id2) #以下为检测热键是否被按下,并在最后释放快捷键 try: msg = ctypes.wintypes.MSG() while True: # print('1') self.single.emit(['hotKet']) if user32.GetMessageA(ctypes.byref(msg), None, 0, 0) != 0: if msg.message == win32con.WM_HOTKEY: if msg.wParam == id1: RUN = True elif msg.wParam == id2: EXIT=True return user32.TranslateMessage(ctypes.byref(msg)) user32.DispatchMessageA(ctypes.byref(msg)) finally: user32.UnregisterHotKey(None, id1)#必须得释放热键,否则下次就会注册失败,所以当程序异常退出,没有释放热键, #那么下次很可能就没办法注册成功了,这时可以换一个热键测试 user32.UnregisterHotKey(None, id2) if __name__ == "__main__": hotkey = Hotkey() hotkey.runs() while(True): if RUN==True: print('gggg') RUN=False elif EXIT==True: #这里是用于退出循环的 break
第二部分:截图功能。
上一部分已经实现截图后自动保存图片,图片会重复覆盖写入,用户感知不到图片的存在。图片保存完成后利用百度的ocr接口,返回图片内容,以弹窗返回内容。
一个简单的ocr至此已完结。头条对代码的展现还是不够友好,这里代码放在github上,需要自己申请百度的接口用户id。
百度ocr申请。传送门https://console.bce.baidu.com
代码在github上,申请百度apikey后可直接使用。
https://github.com/BuildDreams/OCR
百度申请后在下面获取apikey。