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 message image = '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.fanyi.baidu.com/api/trans/vip/translate

通用翻译API HTTPS地址：https://fanyi-api.baidu.com/api/trans/vip/translate

完整请求示例为：http://api.fanyi.baidu.com/api/trans/vip/translate?q=apple&from=en&to=zh&appid=2015063000000001&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 sign data = appID + q + str(salt) + secretKEY sign = get_md5(data)

解析返回数据

返回示例

{ "from": "en", "to": "zh", "trans_result": [ { "src": "apple", "dst": "苹果" } ] } fromTEXT翻译源语言toTEXT译文语言trans_resultMIXED LIST翻译结果srcTEXT原文dstTEXT译文

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：http://openapi.youdao.com/api

有道翻译API HTTPS地址：https://openapi.youdao.com/api

完整请求示例为：http://openapi.youdao.com/api?q=good&from=EN&to=zh_CHS&appKey=ff889495-4b45-46d9-8f48-946554334f2a&salt=2&sign=1995882C5064805BC30A39829B779D7B

字段名类型含义必填备注qtext要翻译的文本True必须是UTF-8编码fromtext源语言True语言列表 (可设置为auto)totext目标语言True语言列表 (可设置为auto)appKeytext应用 IDTrue可在 应用管理 查看salttext随机数Truesigntext签名，通过md5(appKey+q+salt+应用密钥)生成TrueappKey+q+salt+应用密钥的MD5值ext翻译结果音频格式，支持mp3falsemp3voice翻译结果发音选择，0为女声，1为男声，默认为女声false0

* 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://m.youdao.com/dict?le=eng&q=good" }, "webdict":{ "url":"http://m.youdao.com/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,ImageGrab im = 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0 mf.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0 imagePath.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 TITLE root.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 * 0.8 window_height = cy_screen * 0.7 # 设置窗口起始位置 window_start_x, window_start_y = 20, 20 root.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 * 0.5 h_box = w_box lef = 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 = ttk.Combobox(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 = ttk.Combobox(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ImageTk tkImage = 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 into a 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 / w f2 = 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 filter width = 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tk tkImage = 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 Frame global label_ocr label_ocr = tk.Text(frm_R, width=60, height=8, state='normal') label_ocr.grid(row=0, pady=10, padx=10) global label_trans label_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 COPYRIGHT copy_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 tk from 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 = None def setup_UI(self): # 顶部 Frame frm_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 Frame frm_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Frame frm_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 = None self.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 agent def get_info(self): # 导入agent.py中的类 MyAgentDialog inputDialog = 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