文章目录
Python3 图片文字识别翻译——调用百度AI、百度翻译和有道翻译的API一、演示二、 API准备三、 图片文字识别——调用百度AI文字识别API四、 文字翻译1. 百度翻译请求解析返回数据2. 有道翻译(与百度翻译类似)请求解析返回数据五、 获取剪贴板的图片六、程序界面设计七、功能实现1. 按照设计图填充控件（1）窗体初始化（2）主体框架（3）左边Frame填充（4）中间Frame填充（5）右边Frame填充（6）底部Frame填充2. 补充——设置代理（存在问题）（1）新建agent.py文件（2）主窗体调用设置代理弹窗（3）修改网络调用的函数（添加代理）八、未解决的问题如何保存代理配置？界面控件问题界面美化参考Python3 图片文字识别翻译——调用百度AI、百度翻译和有道翻译的API
一、演示
二、 API准备
百度AI
文字识别API
获取文字识别应用的AppID、API KEY、Secret Key
百度翻译开放平台
百度翻译API
加入百度翻译开放平台，获取百度翻译应用的APP ID、密钥
有道智云
有道翻译API
获取有道翻译应用的APP ID、密钥
三、 图片文字识别——调用百度AI文字识别API
阅读百度官方提供的API文档，图片的文字识别需要安装百度ai的包，pip install baidu-aip
获取连接client读取图片调用通用识别方法接收返回结果结果解析
# -*- coding: utf-8 -*-__author__ = 'iccool'from aip import AipOcr""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'""" 如果有可选参数 """ai_options = {}ai_options["language_type"] = "CHN_ENG"ai_options["detect_direction"] = "true"ai_options["detect_language"] = "true"ai_options["probability"] = "true"''' 获取百度api连接 '''def getConnect(APP_ID, API_KEY, SECRET_KEY):client = AipOcr(APP_ID, API_KEY, SECRET_KEY)# client.setProxies(proxies)return client''' 读取图片 '''def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()""" 调用通用文字识别, 图片参数为本地图片 """def ocr_image(client, image):message = client.basicGeneral(image, ai_options)return messageimage = 'example.jpg'client = getConnect(APP_ID, API_KEY, SECRET_KEY)message = ocr_image(client, image)""" 调用通用文字识别, 图片参数为本地图片 """# client.basicGeneral(image)""" 带参数调用通用文字识别, 图片参数为本地图片 """# client.basicGeneral(image, options)
返回结果示例
{"log_id": 2471272194,"words_result_num": 2,"words_result":[{"words": " TSINGTAO"},{"words": "青島睥酒"}]}
至此，简单版图片文字识别已完成，详细阅读官方文档
四、 文字翻译
1. 百度翻译
百度翻译API
请求
通用翻译API HTTP地址：http://api./api/trans/vip/translate
通用翻译API HTTPS地址：https://fanyi-/api/trans/vip/translate
完整请求示例为：http://api./api/trans/vip/translate?q=apple&from=en&to=zh&appid=063000000001&salt=1435660288&sign=f89f9594663708c1605f3d736d01d2d4
下面我们需要拼接这个url请求，官方解释如下：
q：请求翻译query，例如文字识别出的文字
注：若翻译多个单词或者多段文本，需要发送请求之前对q字段做URL encode，urllib.parse.quote(q)
from：翻译源语言，语言选择代码见官方文档，常见的有：auto-自动检测，zh-中文，en-英文
to：译文语言注：不可设置为auto
appid： APP ID
salt：随机数 例如 salt = random.randint(1, 65536)
sign：签名 appid+q+salt+密钥 的MD5值
def get_md5(data):sign = hashlib.md5(data.encode(encoding='UTF-8')).hexdigest()return signdata = appID + q + str(salt) + secretKEYsign = get_md5(data)
解析返回数据
返回示例
{"from": "en","to": "zh","trans_result": [{"src": "apple","dst": "苹果"}]}
注：若返回的是response.text，在解析时，需要将字符串转化为json，json_result = json.loads(result)
至此，百度通用翻译已完成，详细阅读官方文档
2. 有道翻译(与百度翻译类似)
有道翻译API
请求
有道翻译API HTTP地址：/api
有道翻译API HTTPS地址：/api
完整请求示例为：/api?q=good&from=EN&to=zh_CHS&appKey=ff889495-4b45-46d9-8f48-946554334f2a&salt=2&sign=1995882C5064805BC30A39829B779D7B
* 来自官方文档
中英文语言代码：zh-CHS-中文，EN-英文，更多见 支持语言表
具体请求操作与百度翻译类似，就不赘述了。
解析返回数据
官方示例如下：
{"errorCode":"0","query":"good", //查询正确时，一定存在"translation": [ //查询正确时一定存在"好"],"basic":{ // 有道词典-基本词典,查词时才有"phonetic":"gʊd""uk-phonetic":"gʊd" //英式音标"us-phonetic":"ɡʊd" //美式音标"uk-speech": "XXXX",//英式发音"us-speech": "XXXX",//美式发音"explains":["好处","好的""好"]},"web":[ // 有道词典-网络释义，该结果不一定存在{"key":"good","value":["良好","善","美好"]},{...}]],"dict":{"url":"yddict:///dict?le=eng&q=good"},"webdict":{"url":"/dict?le=eng&q=good"},"l":"EN2zh-CHS","tSpeakUrl":"XXX",//翻译后的发音地址"speakUrl": "XXX" //查询文本的发音地址}
与百度翻译类似，若返回的是response.text，需要将字符串转化为json
接下来就是根据需要，解析json从而获得想要的结果。
至此，有道通用翻译已完成，详细阅读官方文档
五、 获取剪贴板的图片
from PIL import Image,ImageGrabim = ImageGrab.grabclipboard()if isinstance(im,Image.Image):pass
ImageGrab.grabclipboard() 获取剪贴板的快照对象， 调用isinstance() 判断是否为图片。
如何将剪贴板的图片对象传入到百度文字识别函数中？
将读到的图片对象写入到内存字节缓冲区中，然后百度文字识别函数从内存字节缓冲区中读取到图片进行识别
# 获取剪贴板中的图片def ocr_clipboard():# 获取剪切板对象im = ImageGrab.grabclipboard()# 如果是 Image对象if isinstance(im, Image.Image):# 写入到内存中mf = io.BytesIO()# 临时保存im.save(mf, 'PNG')# 将流位置初始化到0mf.seek(0)
以上，将mf对象传给百度文字识别函数
# 读取图片def ocr(imagePath):# 如果读取的是截图 内存字节流if isinstance(imagePath,io.BytesIO):# 将流位置初识化到0imagePath.seek(0)# 读取图片内容image = imagePath.read()else:# 如果读到的本地图片地址 调用文件读取函数image = get_file_content(imagePath)
六、程序界面设计
感觉整个项目过程中，属图形界面最花时间，也是最让我烦恼的。不过说到底还是对tkinter不熟悉，需要用的时候都是现查。虽然之前做过一个小demo–天气查询，基础功能已实现，看起来很low。
初始设计图如下：
效果图如下(还存在一些问题)：
七、功能实现
1. 按照设计图填充控件
（1）窗体初始化
root = tk.Tk()# 获取窗体大小# root.winfo_height()# root.winfo_width()# 设置窗口标题 TITLEroot.title(TITLE)# 获取屏幕分辨率cx_screen = GetSystemMetrics(0)cy_screen = GetSystemMetrics(1)# 设置 窗口大小window_width = cx_screen * 0.8window_height = cy_screen * 0.7# 设置窗口起始位置window_start_x, window_start_y = 20, 20root.geometry('%dx%d+%d+%d' % (window_width, window_height, window_start_x, window_start_y))# 设置图标root.iconbitmap('trans.ico')
（2）主体框架
'''左边的Frame 图片中间的Frame 控制区域 粘贴 浏览 识别 下拉列表 翻译按钮右边的Frame 上 显示识别出的文字 下 显示翻译出的结果底部的Frame 版权信息'''frm = tk.Frame(root)frm_L = tk.Frame(frm)frm_M = tk.Frame(frm)frm_R = tk.Frame(frm)frm_B = tk.Frame(frm)frm_L.grid(column=0, row=0)frm_M.grid(column=1, row=0)frm_R.grid(column=2, row=0)frm_B.grid(column=0, row=1,columnspan=3)
（3）左边Frame填充
# 左 Frame# 默认的图片控件的长宽w_box = window_width * 0.5h_box = w_boxlef = tk.Label(frm_L, width=30, height=30,text='')lef.grid(column=0, row=0, padx=10)
（4）中间Frame填充
# 中 Frame# 按钮 粘贴b_paste = ttk.Button(frm_M, text='粘贴', width=12, command=lambda: ocr_clipboard(frm_L, w_box, h_box))b_paste.grid(column=0, row=0, pady=15)# 按钮 浏览b_scan = ttk.Button(frm_M, text='浏览', width=12, command=lambda: scan_image(frm_L, w_box, h_box))b_scan.grid(column=0, row=1, pady=15)# 按钮 识别 传入图片的地址b_ocr = ttk.Button(frm_M, text="识别", width=12, command=lambda: ocr_image(imagePath))b_ocr.grid(column=0, row=2, pady=15)# 下拉选择 翻译软件soft_str = tk.StringVar()soft_chosen = bobox(frm_M, width=10, textvariable=soft_str)soft_chosen['value'] = ('百度翻译', '有道翻译')soft_chosen.grid(column=0, row=3, pady=2) # 设置其在界面中出现的位置 column代表列 row 代表行soft_chosen.current(0)soft_chosen.bind("<<ComboboxSelected>>", show_msg(soft_str))# 下拉选择 互译lang_str = tk.StringVar()lang_chosen = bobox(frm_M, width=10, textvariable=lang_str)lang_chosen['value'] = ('英译中', '中译英')lang_chosen.grid(column=0, row=4, pady=2)lang_chosen.current(0)lang_chosen.bind("<<ComboboxSelected>>", show_msg(lang_str))# 按钮 翻译b_trans = ttk.Button(frm_M, text='翻译', width=12, command=lambda: trans(soft_chosen.get(),lang_chosen.get(), label_ocr))b_trans.grid(column=0, row=5, pady=15)
以上控件会涉及到一些函数
ocr_clipboard()
从剪贴板获取图片，第四章已经提到了，补充图片自适应窗体大小
# 打开 内存字节流文件 图片im_obj = Image.open(mf)# 图片自适应pil_image_resized = resize(w_box, h_box, im_obj)# 将 缩放后的图片 传递给ImageTktkImage = ImageTk.PhotoImage(image=pil_image_resized, size=30)# label显示图片lb_image = tk.Label(frm_L, width=w_box, height=h_box, image=tkImage)lb_image.grid(column=0, row=0, padx=10)
resize()
# 缩放图片# 传入 图片控件的长宽和图片文件def resize(w_box, h_box, pil_image):'''resize a pil_image object so it will fit intoa box of size w_box times h_box, but retain aspect ratio对一个pil_image对象进行缩放，让它在一个矩形框内，还能保持比例'''# 获取图片的长宽w, h = pil_image.size# 获取 图片控件与原始图片的缩放比例f1 = 1.0 * w_box / wf2 = 1.0 * h_box / h# 比较 长宽 获取较小的值factor = min([f1, f2])# print(f1, f2, factor) # test# use best down-sizing filterwidth = int(w * factor)height = int(h * factor)# print(width,height)return pil_image.resize((width, height), Image.ANTIALIAS)
scan_image()
# 调用浏览文件函数def scan_image(frm_L, w_box, h_box):# 打开文件imagePath = filedialog.askopenfilename()if imagePath.endswith(('.png', 'jpg', 'jpeg', '.bmp')):pilImage = Image.open(imagePath)# 图片自适应pil_image_resized = resize(w_box, h_box, pilImage)# 将 缩放后的图片 传递给tktkImage = ImageTk.PhotoImage(image=pil_image_resized, size=30)# label显示图片lb_image = tk.Label(frm_L, width=w_box, height=h_box, image=tkImage)print(w_box,h_box)lb_image.grid(column=0, row=0, padx=10)else:# 注如果打开文件时 点击'取消'，返回 ''messagebox.showinfo(title='警告', message='请重新选择图片文件')
ocr_image()
# 调用识别图片函数def ocr_image(imagePath):text = ocr.ocr(imagePath)label_ocr.delete(1.0, tk.END)label_ocr.insert(1.0, text)
ocr()
调用第二章中的百度图片文字识别
show_msg()
# 调用下拉框 返回下拉框选择值def show_msg(obj):return obj.get()
trans()
# 调用翻译函数def trans(soft,lang, label_ocr):text = ocr.translate(soft, lang, label_ocr.get('1.0', tk.END))label_trans.delete(1.0, tk.END)label_trans.insert('1.0', text)
translate()
调用第三章中的文字翻译函数
（5）右边Frame填充
# 右 Frameglobal label_ocrlabel_ocr = tk.Text(frm_R, width=60, height=8, state='normal')label_ocr.grid(row=0, pady=10, padx=10)global label_translabel_trans = tk.Text(frm_R, width=60, height=8, state='normal')label_trans.grid(row=1, pady=10, padx=10)
（6）底部Frame填充
# 底部 版权 COPYRIGHTcopy_right = tk.Label(frm_B,width=20,height=2,text=COPYRIGHT)copy_right.grid(row=0,column=0)
2. 补充——设置代理（存在问题）
在调用识别、翻译时都是需要网络的，在特殊情况下，本地网络需要走代理，这时需要灵活地设置代理功能。想法是设计一个类似微信客户端的代理设置界面(弹窗设置)。
整体效果：
（1）新建agent.py文件
import tkinter as tkfrom tkinter import ttk# 设置代理 弹窗class MyAgentDialog(tk.Toplevel):def __init__(self):super().__init__()self.title('设置代理信息')# 弹窗界面self.setup_UI()self.agent_info = Nonedef setup_UI(self):# 顶部 Framefrm_T = tk.Frame(self)frm_T.grid(column=0,row=0,padx=10)ttk.Label(frm_T, text='使用代理').grid(column=0, row=0, pady=15)self.radVar = tk.IntVar()r_no_use = tk.Radiobutton(frm_T, text='关闭', variable=self.radVar, value=0, command=lambda: self.close_agent())r_no_use.grid(column=1, row=0)r_use = tk.Radiobutton(frm_T, text='启用', variable=self.radVar, value=1, command=lambda: self.open_agent())r_use.grid(column=2, row=0)# 中部 Framefrm_M = tk.Frame(self)frm_M.grid(column=0, row=1, columnspan=3)ttk.Label(frm_M, text='地址 *').grid(column=0, row=0, pady=5, padx=10, sticky='W')self.s_addr = tk.StringVar()self.e_addr = tk.Entry(frm_M, textvariable=self.s_addr, state='disabled')self.e_addr.grid(column=1, row=0, columnspan=2, sticky='W,E')ttk.Label(frm_M, text='端口 *').grid(column=0, row=1, pady=5)self.s_port = tk.StringVar()self.e_port = tk.Entry(frm_M, textvariable=self.s_port, state='disabled')self.e_port.grid(column=1, row=1, columnspan=2)ttk.Label(frm_M, text='用户').grid(column=0, row=2, pady=5)self.s_user = tk.StringVar()self.e_user = tk.Entry(frm_M, textvariable=self.s_user, state='disabled')self.e_user.grid(column=1, row=2, columnspan=2)ttk.Label(frm_M, text='密码').grid(column=0, row=3, pady=5)self.s_passwd = tk.StringVar()self.e_passwd = tk.Entry(frm_M, show='*', textvariable=self.s_passwd, state='disabled')self.e_passwd.grid(column=1, row=3, columnspan=2)# 底部Framefrm_B = tk.Frame(self)frm_B.grid(column=0, row=5, columnspan=3)b_ok = ttk.Button(frm_B, text='确定', command=lambda: self.ok())b_ok.grid(column=0, row=0, pady=15, padx=30)b_cancel = ttk.Button(frm_B, text='取消', command=lambda: self.cancel())b_cancel.grid(column=1, row=0, pady=15, padx=10)# 关闭代理 Entry 不可编辑状态def close_agent(self):self.e_addr.config(state='disabled')self.e_port.config(state='disabled')self.e_user.config(state='disabled')self.e_passwd.config(state='disabled')# 开启代理 Entry 可编辑def open_agent(self):self.e_addr.config(state='normal')self.e_port.config(state='normal')self.e_user.config(state='normal')self.e_passwd.config(state='normal')# 确定按钮 Entry中的值def ok(self):self.agent_info = [self.s_addr.get(),self.s_port.get(),self.s_user.get(),self.s_passwd.get()]self.destroy() # 销毁窗口def cancel(self):self.agent_info = Noneself.destroy()
（2）主窗体调用设置代理弹窗
主窗体添加设置代理按钮
# 底部 设置代理b_proxy = ttk.Button(frm_M,text="设置代理", width=12, command=lambda: self.set_proxy())b_proxy.grid(column=0,row=6)
set_proxy()
def set_proxy():# 接收返回数据agent = get_info()
get_info()
import agentdef get_info(self):# 导入agent.py中的类 MyAgentDialoginputDialog = agent.MyAgentDialog()inputDialog.setup_UI()# 等待窗口 destroy 返回数据inputDialog.wait_window()# 返回 agent数据return inputDialog.agent_info
（3）修改网络调用的函数（添加代理）
在百度识图和翻译调用函数中，需要传输代理参数。具体如何添加就不多讲了，
# proxies = set_proxy(agent)# 调用百度文字识别client# client.setProxies(proxies)# 翻译调用请求# response = requests.get(myurl, headers=headers, proxies=proxies)
set_proxy()
解析agent，获取addr,port,user,passwd即可，注proxies是字典类型
八、未解决的问题
如何保存代理配置？
重新打开程序的时候，代理设置就会被初始化（初始化代理状态是关闭）。
如果是读取配置文件，那么程序运行后会生成一个config文件；但初衷是只打包成一个exe文件，双击即可运行。
界面控件问题
程序初始运行，窗体如上图所示，左侧图片控件内容为空时，未加载指定大小，若插入图片后，左侧Frame会扩展为指定大小，中部和右侧Frame会向右移动，见第五章的程序界面设计效果图；而且底部Frame未显示，需要手动向下放大才能显示Label（Copyright）。不知如何解决，tkinter的窗口调试太麻烦了。
界面美化
界面如同90年代的Windows 98风格（笑哭），太丑了（无力吐槽）。
以上问题欢迎提供解决方案
参考
Python图像处理库PIL的ImageGrab模块介绍
python界面上的图片缩放，根据窗口大小
tkinter Combobox组件
获取屏幕及桌面大小
Python tkinter模块弹出窗口及传值回到主窗口操作详解
