作者:手机用户2502892757 | 来源:互联网 | 2023-05-19 15:47
PaddleOCR是一个基于百度飞桨的OCR工具库,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。本文将利用PaddleOCR开发一个搜题小工具,感兴趣的可以了解一下
目录
- 介绍
- 安装
- 安装PaddlePaddle飞桨框架
- 安装PaddleOCR
- 代码使用
- 搜题小工具
- 安装ADB
- 截图并保存题目区域图片
- OCR识别,获取题目
- 打开浏览器搜索
- 完整代码
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
OR
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
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')
到此这篇关于Python利用PaddleOCR制作个搜题小工具 的文章就介绍到这了,更多相关Python PaddleOCR搜题工具 内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!