一篇文章搞定百度OCR图片文字识别API

研究百度OCR的API，主要是向做对扫描版的各种PDF进行文字识别并转Word文档的需求。

这里用Postman客户端进行测试和演示。因为Postman是对各种API操作的最佳入门方式。一旦在Postman里实现了正确的调用，剩下的就只是一键生成代码，和一些细节的修改了。

参考百度云官方文档：文字识别API参考
下载官方文档PDF：OCR.zh.pdf

授权字符串 Access Token

Token字符串永远是你使用别人API的第一步，简单说，就是只有你自己知道的密码，在你每次向服务器发送的请求里面加上这个字符串，就相当于完成了一次登录。

如果没有Token授权认证，API的访问可能会像浏览网页一样简单。

Access Token一般是调用API最重要也最麻烦的地方了：每个公司都不一样，各种设置安全问题让你的Token复杂化。而百度云的Token，真的是麻烦到一定地步了。

参考：百度API的鉴权认证机制 (建议你不要参考，因为它的流程图会先把你镇住的)

简单说，获取百度云token字符串的主要流程就是：

• 创建一个应用，获得只有自己知道的id和密码
• 用POST方式把id和密码发给百度的一个链接：

https://aip.baidubce.com/oauth/2.0/token

• 其中，需要你向这个地址传送三个参数：

  • grant_type = client_credentials 这个是固定的
  • client_id = xxx 这个是你在百度云管理后台创建OCR应用的时候，那个应用的API Key
  • client_secret = xxx 这个是你的应用的Secret Key
• 等待服务器返还给你一个包含token字符串的数据
• 记住这个token字符串，并用来访问每一次的API

来看看怎么利用Postman操作，如下图所示：

填好以后点击Send发送，就会获得一个JSON数据，如下图：

然后你用你的程序(Python, PHP, Node.js等，随便)，获取这个JSON中的access_token，
即可用到正式的API请求中，做为授权认证。

正式调用API： 以"通用文字识别"为例

API链接：https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic

提交方式：POST

调用方式有两种：

• 方式一：直接在URL填写信息

直接把API所需的认证信息放在URL里是最简单最方便的。

• ~方式二：Headers填写信息方式~

建议忽略这种方式，需要填写很多request的标准headers，太麻烦。

Headers设置：

• Content-Type = application/x-www-form-urlencoded

只要填这一项就够了。

Body数据传送的各项参数：

• access_token = xxx 把之前获取到的token字符串填到这里来
• image = xxx 把图片转成base64字符串填到这里，不需要开头的data:image/png;base64,
• url = xxx 也可以不用传图片而是传一个图片的链接。但是百年无效，不要用！
• language_type = CHN_ENG 识别语言类型。默认中英。

Body的数据如图所示：

然后就可以点Send发送请求了。
成功后，可以得到百度云返回的一个JSON数据，类似下图：

返回的是一行一行的识别字符。百度云的识别率是相当高的，几乎100%吧。毕竟是国内本土的机器训练出来的。

API常用地址

以下是百度云的OCR常用API地址，每个API所需的参数都差不多，略有不同。所有的API和地址以及详细所需的参数，参考官方文档，很简单。一个弄明白了就其他的都明白了。