昨天我姐问我有没有软件可以批量识别图片上的文字，她在帮客户做资料整理，但是用的方法只能一张一张上传识别，不仅效率低还浪费时间。

我就找了找批量识别的软件，下载下来觉得：嗯？不错，界面也挺好，小东西做的还挺别致。但是，识别三张就停止了，提示非最新版本要联系客服升级之类的，妥妥的套路，果断删除。又找了一个，嗯？界面更加好看一点儿，人家就很直接，三张之后提示购买会员，还显示了几种VIP的费用，很“人性”嘛。

但是，在这个万物开源的互联网时代，让程序员掏腰包买软件是不可能滴，反正我是不会，啊哈哈。我首想到了反编译，把三张的限制取消，之前看过一些ios逆向工程的东西，这些应该都是通的。搜索了一番之后，有这么个方法，下载一个软件，把exe拖进去，就能显示源码了。又让我下东西，我就觉得很烦了，毕竟还是占空间的嘛。

so，我写写就好了嘛，毕竟也是一名程序员，怎么能忘了呢。16年公司项目中身份证识别用到了OCR做身份证扫描，当时还在做iOS开发，好像用的一个第三方，细节嘛忘得差不多了（而且做app的话，我姐又不是iOS系统）。这次就用python的GUI然后打包成exe吧，翻翻我的笔记，对的19年12月份学习到的python打包那些刚好用上。要考虑到客户需求以及易用性，哈哈，然后就开始了。

一、关键需求点分析：

批量、图片文字识别、导出文本、操作便捷、图形化界面

二、用到的技术：

1、百度AI开放平台的通用文字识别SDK（没有广告成分，搜到什么用什么，免费调用量足够了），我的代码中用的是“网络图片文字识别”，可根据需求，自行调整；

单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图1

2、python的tklinker模块、打包工具pyinstaller；
3、也可以直接写入txt；

三、踩到的坑：

前一天的代码，第二天优化改改改之后，再用新图片来识别发现不行了，一度以为是哪里写错了，各种找原因，以为是获取文件夹路径方式不对，就自己复制了路径进来，发现报错了。

坑1：图片路径——转义

运行报错：SyntaxError: (unicode error) ‘unicodeescape’ codec can’t decode bytes in position 2-3: tr

  1. 我文件夹中复制来的路径：C:\Users\78755\Desktop\test\1.png
  3. filePath = 'C:\Users\78755\Desktop\test\1.png'
  5. 报错原因：在windows系统当中读取文件路径可以使用\,但是在python字符串中\有转义的含义，如\t可代表TAB，\n代表换行，所以我们需要采取一些方式使得\不被解读为转义字符。
  7. 解决方案：
  8. 1、在路径前面加r，保持字符原始值的意思。
  9. filePath = r'C:\Users\78755\Desktop\test\1.png’
  10. 2、替换为双反斜杠
  11. filePath = 'C:\\Users\\78755\\Desktop\\test\\1.png’
  12. 3、替换为正斜杠
  13. filePath = ‘C:/Users/78755/Desktop/test/1.png’

坑2：后缀——python批量修改指定文件夹下图片后缀

  1. import os
  3. # 此处我是将test文件夹下全部.jpg后缀修改了成了.png并给图片重新命名
  4. os.chdir(r'C:\Users\78755\Desktop\test');  # 指定文件夹路径
  5. count = 1;  # 初始序号
  6. # os.listdir(path) 方法用于返回指定的文件夹(path)包含的文件或文件夹的名字的列表，如果path=None，则使用path="."
  7. for item in [x for x in os.listdir(".")]:
  8.     # os.path.isfile( )判断某一对象(需提供绝对路径)是否为文件
  9.     # 并且后缀以.jpg结尾
  10.     if os.path.isfile(item) and os.path.splitext(item)[1] == '.jpg':
  11.         os.rename(item, '%s.png' % (count));
  12.         count += 1;
  13.     print(item);

四、实现：

1、安装OCR Python SDK

  1. OCR Python SDK目录结构
  2. ├── README.md
  3. ├── aip                   //SDK目录
  4. │   ├── __init__.py       //导出类
  5. │   ├── base.py           //aip基类
  6. │   ├── http.py           //http请求
  7. │   └── ocr.py //OCR
  8. └── setup.py              //setuptools安装

支持Python版本：2.7.+ ,3.+
安装使用Python SDK有如下方式：

  • 如果已安装pip，执行pip install baidu-aip即可。
  • 如果已安装setuptools，执行python setup.py install即可。

2、新建AipOcr

AipOcr是OCR的Python SDK客户端，为使用OCR的开发人员提供了一系列的交互方法。

参考如下代码新建一个AipOcr：

  1. from aip import AipOcr
  3. """ 你的 APPID AK SK """
  4. APP_ID = '你的 App ID'
  5. API_KEY = '你的 Api Key'
  6. SECRET_KEY = '你的 Secret Key'
  7. client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

在上面代码中，常量APP_ID在百度智能云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看。

3、单张识别：

  1. # 单张图片识别
  2. i=open(r'C:\Users\78755\Desktop\test\1.png','rb')
  3. image = i.read()
  5. result=client.basicGeneral(image)
  7. #将所有的文字都合并到一起
  8. for item in result['words_result']:
  9.     print(item['words'])

4、批量识别：

  1. # 图片批量识别
  2. filePath = r'C:\Users\78755\Desktop\test'
  3. def get_file_content(filePath):
  4.     with open(filePath, 'rb') as fp:
  5.         return fp.read()
  7. for root, dirs, files in os.walk(".", topdown=False):
  8.     for name in files:
  9.         if 'png' in name:
  10.             filePath = os.path.join(root, name)[2:]
  11.             options = {
  12.                 'detect_direction': 'true',
  13.                 'language_type': 'CHN_ENG',
  14.             }
  15.             result = aipOcr.webImage(get_file_content(filePath), options)
  16.             print(result)
  17.             for i in result['words_result']:
  18.                 print(i['words'])

5、写入txt文件：

  1.    # 写入txt
  2.     f = open("文件名.txt", "a") #a 打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
  3.     f.write('要写入的内容')
  4.     f.close()

6、Python GUI之tkinter窗口视窗的创建，并实现选择文件夹路径并展示路径的功能：

  1. import tkinter as tk  # 使用Tkinter前需要先导入
  2. from tkinter import *
  3. from tkinter.filedialog import askdirectory
  5. # GUI
  6. # 第1步，实例化object，建立窗口window
  7. window = tk.Tk()
  8. # 第2步，给窗口的可视化起名字
  9. window.title('批量识别图片文字')
  10. # 第3步，设定窗口的大小(长 * 宽)
  11. window.geometry('1000x700')  # 这里的乘是小x
  14. # 选择文件夹路径方法
  15. def selectPath():
  16.     path_ = askdirectory()
  17.     path.set(path_)
  18. path = StringVar()
  20. # 第4步，在窗口界面设置放置Button按键
  21. selectedButton = tk.Button(window, text='选择文件夹', font=('Arial', 12), width=10, height=1, command=selectPath).place(x=50, y=20)
  24. # 第5步，在图形界面上设定标签展示选择好的文件夹路径
  25. var = tk.StringVar()  # 将label标签的内容设置为字符类型，用var来接收hit_me函数的传出内容用以显示在标签上
  26. pathLabel = tk.Label(window, textvariable=path, bg='gray', fg='white', font=('Arial', 12), width=30, height=2).place(x=180,y=20)
  27. # 说明： bg为背景，fg为字体颜色，font为字体，width为长，height为高，这里的长和高是字符的长和高，比如height=2,就是标签有2个字符这么高
  30. # 第6步，主窗口循环显示
  31. window.mainloop()

7、完整代码：

（1）、融合图片识别和图形化界面，可自定通过窗口进行选择图片文件夹进行识别（将要识别的图片放到同一文件夹下即可，此处以.png后缀为例）；
（2）、识别结果的展示用到了tklinker的scrolledtext；
（3）、窗口大小及各控件样式可调整；

  1. # encoding:utf-8
  2. # author：笑胖仔
  4. from aip import AipOcr
  5. import os
  6. import tkinter as tk  # 使用Tkinter前需要先导入
  7. from tkinter import *
  8. from tkinter.filedialog import askdirectory
  9. from tkinter import scrolledtext
  12. """ 你的 APPID AK SK """
  13. APP_ID = '你的 App ID'
  14. API_KEY = '你的 Api Key'
  15. SECRET_KEY = '你的 Secret Key'
  16. client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
  19. # GUI
  20. # 第1步，实例化object，建立窗口window
  21. window = tk.Tk()
  22. # 第2步，给窗口的可视化起名字
  23. window.title('批量识别图片文字')
  24. # 第3步，设定窗口的大小(长 * 宽)
  25. window.geometry('1000x700')  # 这里的乘是小x
  28. # 选择文件夹路径方法
  29. def selectPath():
  30.     path_ = askdirectory()
  31.     path.set(path_)
  32. path = StringVar()
  34. # 第4步，在窗口界面设置放置Button按键
  35. selectedButton = tk.Button(window, text='选择文件夹', font=('Arial', 12), width=10, height=1, command=selectPath).place(x=50, y=20)
  36. # selectedButton.pack()
  39. # 第5步，在图形界面上设定标签
  40. var = tk.StringVar()  # 将label标签的内容设置为字符类型，用var来接收hit_me函数的传出内容用以显示在标签上
  41. pathLabel = tk.Label(window, textvariable=path, bg='gray', fg='white', font=('Arial', 12), width=30, height=2).place(x=180,y=20)
  42. # 说明： bg为背景，fg为字体颜色，font为字体，width为长，height为高，这里的长和高是字符的长和高，比如height=2,就是标签有2个字符这么高
  43. # pathLabel.pack()
  46. # 第6步，展示识别结果
  47. resourceScrolledtext = scrolledtext.ScrolledText(window, width=80, height=23,font=("隶书",18))  #滚动文本框（宽，高（这里的高应该是以行数为单位），字体样式）
  48. resourceScrolledtext.place(x=20, y=100) #滚动文本框在页面的位置
  51. # 识别文字方法
  52. def scanPics():
  53.     filePath = path.get()
  54.     # 读取图片
  55.     def get_file_content(filePath):
  56.         with open(filePath, 'rb') as fp:
  57.             return fp.read()
  59.     for root, dirs, files in os.walk(".", topdown=False):
  60.         for name in files:
  61.             if 'png' in name:
  62.                 filePath = os.path.join(root, name)[2:]
  63.                 options = {
  64.                     'detect_direction': 'true',
  65.                     'language_type': 'CHN_ENG',
  66.                 }
  67.                 result = client.webImage(get_file_content(filePath), options)
  68.                 print(result)
  70.                 resourceScrolledtext.insert("insert", '\n\n')# 在scrolledtext插入间隔，使每张图片识别内容中间有间隔
  72.                 for i in result['words_result']:
  73.                     print(i['words'])
  75.                     # # 如果需要写入txt，将此段解注释即可
  76.                     # f = open("文件名.txt", "a") #a 打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
  77.                     # f.write(i['words'] + '\n')
  78.                     # f.close()
  80.                     # 将识别结果插入scrolledtext，在窗口试图中显示
  81.                     resourceScrolledtext.insert("insert", i['words'] + '\n')
  83. # 第7步，识别文字按钮
  84. scanButton = tk.Button(window, text='开始识别', font=('Arial', 12), command=scanPics).place(x=800,y=20)
  85. # scanButton.pack()
  88. # 第8步，主窗口循环显示
  89. window.mainloop()

8、将python打包成.exe文件：

（1）、安装pyinstaller：pip install pyinstaller

（2）、打包：cd 到文件目录下，如test.py文件，pyinstaller -F test.py

（3）、执行完之后，会多出一个.spec文件以及build、dist两个目录，dist中的.exe文件直接运行即可；

9、测试：

单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图2
单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图3
单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图4
单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图5

10、后续测试：

按之前步骤进行打包成exe后，反复测试都识别不成功，且命令行没有返回任何结果，而程序内运行正常。开始寻找可能的原因，并进行测试。

预测原因：“打包后exe程序不能发送网络请求”

测试1（无果）：

以为是打包后的exe程序没有进行网络请求，网上有说是使用了第三方库的话，用pyinstaller打包前，需要把\Lib\site-packages下相应的包复制到同要打包的.py文件同一目录，经反复测试无用。

测试2（成功）：

新建一文件requestTest.py，用request做单张图片识别请求并打印结果，测试打包成exe之后能否成功调用接口。运行打包后的exe，报错：FileNotFoundError:
[Errno 2] No such file or directory: ‘呢呢呢.png’
单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图6
尝试将资源图片复制到打包好的exe程序同目录下，即为dist目录下。此时再打开exe程序，点击识别，成功打印出结果（但是，此时已不关乎GUI中选择路径的功能，直接点击识别即可识别，不知其中缘由，但是解除了我“打包后exe程序不能发送网络请求”的猜测）。

测试3（成功）：

仍然换回ocr.py进行打包，打包成功后，选择文件夹，开始识别，果然还是无打印结果。把要识别的文件夹放入dist文件夹下，再打开exe，直接点击开始识别，识别成功。

单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图7

11、补充：

pyinstaller打包，一些可选参数：

使用顺序：pyinstall -i 图标名称.ico -n 打包后程序名称 -w -F 要打包的文件名.py

先图标路径，再程序路径

（1）、打包单文件模式：-F
（2）、打包成文件夹：-D
（3）、修改icon（图标后缀.ico，不可自行修改，网上有转.ico格式的方法）：-i xxx.ico
（4）、修改打包后的程序名称：-n
（5）、不弹出命令行行：-w

如我的程序：pyinstaller -i 笑胖仔.ico -n 批量识别图片中文字 -w -F ocr.py

单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图8
单张、批量识别图片中文字（写入txt文件、窗口视图创建、打包.exe文件）（百度文字识别SDK Python的GUI之tklinker 打包pyinstaller） - 图9