| 快速入门PaddleOCR，并使用其开发一个搜题小工具 | 您所在的位置：网站首页 › python 搜题 › 快速入门PaddleOCR，并使用其开发一个搜题小工具 |
快速入门PaddleOCR，并使用其开发一个搜题小工具
|
介绍
PaddleOCR 是一个基于百度飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。 本教程将介绍PaddleOCR的基本使用方法以及如何使用它开发一个自动搜题的小工具。 项目地址： https://gitee.com/puzhiweizuishuai/OCR-CopyText-And-Search OR https://github.com/PuZhiweizuishuai/OCR-CopyText-And-Search 安装虽然PaddleOCR支持服务端部署并提供识别API，但根据我们的需求，搭建一个本地离线的OCR识别环境，所以此次我们只介绍如何在本地安装并使用的做法。 安装PaddlePaddle飞桨框架 一、环境准备1.1 目前飞桨支持的环境 Windows 7/8/10 专业版/企业版 (64bit) GPU版本支持CUDA 10.1/10.2/11.0/11.2，且仅支持单卡 Python 版本 3.6+/3.7+/3.8+/3.9+ (64 bit) pip 版本 20.2.2或更高版本 (64 bit) 二、安装命令 pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple(注意此版本为CPU版本，如需GPU版本请查看PaddlePaddle文档) 安装完成后您可以使用 python 进入python解释器，输入import paddle ，再输入 paddle.utils.run_check() 如果出现PaddlePaddle is installed successfully!，说明您已成功安装。 安装PaddleOCR pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本 代码使用安装完成后你可以使用以下代码来进行简单的功能测试 from paddleocr import PaddleOCR, draw_ocr # Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换 # 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。 ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memory # 选择你要识别的图片路径 img_path = '11.jpg' result = ocr.ocr(img_path, cls=True) for line in result: print(line) # 显示结果 from PIL import Image image = Image.open(img_path).convert('RGB') boxes = [line[0] for line in result] txts = [line[1][0] for line in result] scores = [line[1][1] for line in result] im_show = draw_ocr(image, boxes, txts, scores, font_path='/path/to/PaddleOCR/doc/fonts/simfang.ttf') im_show = Image.fromarray(im_show) im_show.save('result.jpg')结果是一个list，每个item包含了文本框，文字和识别置信度 [[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]] [[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]] [[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]] ......可视化效果
至此我们就掌握了 PaddleOCR 的基本使用，基于这个我们就能开发出一个OCR的搜题小工具了。 更多使用方法请参考：https://aistudio.baidu.com/aistudio/projectdetail/507159 搜题小工具现在有很多那种答题竞赛的小游戏，在限定时间内看谁答题正确率更高。或者现在一些单位会搞一些大练兵什么的竞赛，需要在网上答题，这个时候手动输入题目去搜索就很慢，效率也不会太高，所以我们就可以来写一个脚本，帮助我们完成搜题的过程。 基本思路就是通过ADB截取当前屏幕，然后剪切出题目所在位置，然后通过PaddleOCR来获取题目文字，之后打开搜索引擎搜索或者打开题库搜索。 安装ADB你可以到这里下载安装ADB之后配置环境变量。 配置完环境变量后在终端输入adb,如果出现以下字符则证明adb安装完成。 Android Debug Bridge version 1.0.41 Version 31.0.3-7562133 截图并保存题目区域图片 import os from PIL import Image # 截图 def pull_screenshot(): os.system('adb shell screencap -p /sdcard/screenshot.png') os.system('adb pull /sdcard/screenshot.png .') img = Image.open("./screenshot.png") # 切割问题区域 # (起始点的横坐标，起始点的纵坐标，宽度，高度） question = img.crop((10, 400, 1060, 1000)) # 保存问题区域 question.save("./question.png") OCR识别，获取题目 ocr = PaddleOCR(use_angle_cls=False, lang="ch", show_log=False ) # need to run only once to download and load model into memory img_path = 'question.png' result = ocr.ocr(img_path, cls=False) # 获取题目文本 questionList = [line[1][0] for line in result] text = "" # 将数组转换为字符串 for str in questionList : text += str print(text) 打开浏览器搜索 import webbrowser webbrowser.open('https://baidu.com/s?wd=' + urllib.parse.quote(question))之后你就可以查看搜索结果了 如果有题库，你还可以使用pyautogui来模拟鼠标键盘操作，去操作Word等软件在题库中进行搜索。 完整代码 # -*- coding: utf-8 -*- # @Author : Pu Zhiwei # @Time : 2021-09-02 20:29 from PIL import Image import os import matplotlib.pyplot as plt from paddleocr import PaddleOCR, draw_ocr import pyperclip import pyautogui import time import webbrowser import urllib.parse # 鼠标位置 currentMouseX, currentMouseY = 60, 282 # 截图获取当前题目 def pull_screenshot(): os.system('adb shell screencap -p /sdcard/screenshot.png') os.system('adb pull /sdcard/screenshot.png .') # 移动鼠标到搜索框搜索 def MoveMouseToSearch(): # duration 参数，移动时间，即用时0.1秒移动到对应位置 pyautogui.moveTo(currentMouseX, currentMouseY, duration=0.1) # 左键点击 pyautogui.click() pyautogui.click() # 模拟组合键，粘贴 pyautogui.hotkey('ctrl', 'v') # 扩充问题 def AddText(list, length, text): if length > 3: return text + list[3] else: return text # 打开浏览器 def open_webbrowser(question): webbrowser.open('https://baidu.com/s?wd=' + urllib.parse.quote(question)) # 显示所识别的题目 def ShowAllQuestionText(list): text = "" for str in list: text += str print(text) if __name__ == "__main__": while True: print("\n\n请将鼠标放在Word的搜索框上，三秒后脚本将自动获取Word搜索框位置！\n\n") # 延时三秒输出鼠标位置 time.sleep(3) # 获取当前鼠标位置 currentMouseX, currentMouseY = pyautogui.position() print('当前鼠标位置为: {0} , {1}'.format(currentMouseX, currentMouseY)) start = input("按y键程序开始运行，按其他键重新获取搜索框位置：") if start == 'y': break while True: t = time.perf_counter() pull_screenshot() img = Image.open("./screenshot.png") # 切割问题区域 # (起始点的横坐标，起始点的纵坐标，宽度，高度） question = img.crop((10, 400, 1060, 1000)) # 保存问题区域 question.save("./question.png") # 加载 PaddleOCR # Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换 # 参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。 # 自定义模型地址 # det_model_dir='./inference/ch_ppocr_server_v2.0_det_train', # rec_model_dir='./inference/ch_ppocr_server_v2.0_rec_pre', # cls_model_dir='./inference/ch_ppocr_mobile_v2.0_cls_train', ocr = PaddleOCR(use_angle_cls=False, lang="ch", show_log=False ) # need to run only once to download and load model into memory img_path = 'question.png' result = ocr.ocr(img_path, cls=False) questionList = [line[1][0] for line in result] length = len(questionList) text = "" if length < 1: text = questionList[0] elif length == 2: text = questionList[1] else: text = questionList[1] + questionList[2] print('\n\n') ShowAllQuestionText(questionList) # 将结果写入剪切板 pyperclip.copy(text) # 点击搜索 MoveMouseToSearch() # 计算时间 print('\n\n') end_time3 = time.perf_counter() print('用时: {0}'.format(end_time3 - t)) go = input('输入回车继续运行,输入 e 打开浏览器搜索，输入 a 增加题目长度，输入 n 结束程序运行： ') if go == 'n': break if go == 'a': text = AddText(questionList, length, text) pyperclip.copy(text) # 点击搜索 MoveMouseToSearch() stop = input("输入回车继续") elif go == 'e': # 打开浏览器 open_webbrowser(text) stop = input("输入回车继续") print('\n------------------------\n\n') 版权信息本文首发于https://www.buguagaoshu.com/archives/快速入门paddleocr 转载请注明出处 |
【本文地址】
公司简介
联系我们