Python3开发快速获取图片的文字
简介： 我工作接触 PDF 文档较多，很多 PDF 文档由图片组成的，不能够复制文字？要是有一个程序能够快速获取文本的软件就好了。
如何响应截图
初步想法 ： 之前学过MFC编程，首先想到的是，通过 hook 方式，拦截鼠标键盘消息，根据按键截取屏幕区域的图片。
Python 具有丰富的库，要想实现实现 hook 分分钟的事，pyHook 模块是网上使用最多的。当运行时，其库很快就崩溃了， 其对 py3支持很不友好，短时间内没办法修复。放弃使用该方式。
很好，不能被动等待鼠标和键盘消息，主动查询方式岂不是更快。需要安装 pywin32 模块: pywin32-224-cp36-cp36m-win_amd64.whl，使用封装 windows API.
只需要获取键盘Ctrl键和鼠标左键状态(抬起与按下状态)
from win32 import win32api
helper_key_status = 0x8000 & win32api.GetKeyState(VK_CONTROL)
button_status = 0x8000 & win32api.GetKeyState(VK_LBUTTON)
通过一个线程主动查询，间隔 0.001 秒， 第一次点击记录左上角的点位置，第二次点击记录右下角点位置。
获取鼠标点位置：
x, y = win32api.GetCursorPos()
截取图片
最常用的是 pillow 模块，需要 pip install pillow
from PIL import ImageGrab
img = ImageGrab.grab((point1.x, point1.y, point2.x, point2.y))
img.save(img_path, "PNG")
识别图片文字
嗯，百度开放了免费通用的百度ocr 识别技术。
详情参见 api 文档。需要获取 access_token， 且具有过期时间, 使用 GET 请求获取数据。
获取 access_token
def _get_baidu_access_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=Bjm0X1hsLxrxsyA3hyuSUuke&client_secret=P6CBRGWnmTUSOboM0Dao5ZUI51SW8ODE'
req = request.Request(host, headers={'Content-Type': 'application/json; charset=UTF-8'})
res = request.urlopen(req)
res = res.read()
res = json.loads(res, encoding='utf-8')
return res.get('access_token', '')
获取图片文字
def fetch_picture_ocr(params: 'dict'):
""" 采用 百度 ocr 识别技术.
:param params: dict, 所需要的参数
:return: 识别结果
"""
host = params['host']
img_path = params['img_path']
if not os.path.exists(img_path):
return None
with open(img_path, 'rb') as f:
data = base64.b64encode(f.read())
textmod = {'image': data, }
textmod = parse.urlencode(textmod).encode(encoding='utf-8')
req = request.Request(host, headers={'Content-Type': 'application/x-www-form-urlencoded'}, data=textmod)
res = request.urlopen(req)
res = res.read()
res = json.loads(res, encoding='utf-8')
return res
文字写入粘贴板
将获取的文字写入粘贴板，直接粘贴，方便快速。
def write_text_clipboard(text: 'str'):
CF_UNICODETEXT = 13
win32clipboard.OpenClipboard()
win32clipboard.EmptyClipboard()
win32clipboard.SetClipboardData(CF_UNICODETEXT, text)
win32clipboard.CloseClipboard()
打包成exe程序
打包成 exe 程序可以方便程序分发，即使没有安装 python 解释器的同学也可以使用。
安装 PyInstaller以及打包成 exe程序，参见文章 博友Go_Pythoner
值得注意的是，生成后台运行的 exe 程序，增加命令参数：--noconsole 就行了。