AI提取圖片里包含的文字信息-解決文字無法復制的痛點

1. 前言

平時工作中編寫開發技術文檔，或者學生在編寫論文時，經常會上網搜索一些參考文獻、文檔。

比如: 上網搜索相似的內容參考一下或者引用別人的一段文字，有時候看到一篇較好的內容想要保存等等。

這個過程中會發現，很多網站的提供的頁面都是不能復制粘貼的，或者直接是圖片形式提供，為了方便能獲取這些文字，當前就利用華為云提供的 通用文字識別接口，識別圖片里的文本內容，方便復制文字。這個功能QQ上也集成了，使用很方便，這里利用華為云的接口實現一個與QQ類似的功能，截圖之后識別圖片里包含的文本內容。

這個文字識別接口里不僅僅有通用文字識別功能，還支持很多其他功能：比如身份證、駕駛證、保險單、手寫文本、火車票，行駛證.......等等功能。還支持用戶自定義識別模板，指定需要識別的關鍵字段，實現用戶特定格式圖片的自動識別和結構化提取。

2. 文本識別接口使用介紹

2.1 開通服務

地址： https://console.huaweicloud.com/ocr/?region=cn-north-4#/ocr/overview

這個文字識別服務是按調用次數計費的，每個用戶每月有1000次的免費調用次數，開通服務后就可以使用。

2.2 接口地址

官網幫助文檔: https://support.huaweicloud.com/api-ocr/ocr_03_0042.html

POST https://{endpoint}/v2/{project_id}/ocr/general-text

示例:
https://ocr.cn-north-4.myhuaweicloud.com/v2/0e5957be8a00f53c2fa7c0045e4d8fbf/ocr/general-text

請求頭:
{
 "X-Auth-Token": "******",
 "Content-Type": "application/json;charset=UTF-8"
}

請求體:
{
 "image": ----這是圖片的bas64編碼
}

響應結果:
{
 "result": {
  "words_block_count": 13,
  "words_block_list": [
   {
    "words": "撤，還是不撤？",
    "location": [
     [
      43,
      39
     ],
     [
      161,
      39
     ],
     [
      161,
      60
     ],
     [
      43,
      60
     ]
    ]
   },
   {
    "words": "讓我更驕傲的是公司在大災面前的表現。",
    "location": [
     [
      72,
      95
     ],
     [
      332,
      95
     ],
     [
      332,
      113
     ],
     [
      72,
      113
     ]
    ]
   },
   {
    "words": "2011年3月11日14時46分，日本東北部海域發生里氏9.0級",
    "location": [
     [
      71,
      122
     ],
     [
      482,
      122
     ],
     [
      482,
      142
     ],
     [
      71,
      142
     ]
    ]
   },
   {
    "words": "地震并引發海嘯。那一刻，我們正在距離東京100公里的熱海開會，",
    "location": [
     [
      41,
      149
     ],
     [
      481,
      149
     ],
     [
      481,
      171
     ],
     [
      41,
      171
     ]
    ]
   },
   {
    "words": "感覺“咚”",
    "location": [
     [
      42,
      180
     ],
     [
      114,
      180
     ],
     [
      114,
      199
     ],
     [
      42,
      199
     ]
    ]
   },
   {
    "words": "地被震了一下。面對地震，",
    "location": [
     [
      115,
      178
     ],
     [
      296,
      178
     ],
     [
      296,
      199
     ],
     [
      115,
      199
     ]
    ]
   },
   {
    "words": "大家都很鎮定，",
    "location": [
     [
      300,
      179
     ],
     [
      400,
      179
     ],
     [
      400,
      197
     ],
     [
      300,
      197
     ]
    ]
   },
   {
    "words": "直到看到電",
    "location": [
     [
      405,
      179
     ],
     [
      483,
      179
     ],
     [
      483,
      196
     ],
     [
      405,
      196
     ]
    ]
   },
   {
    "words": "視上觸目驚心的畫面：15時 25 分，海嘯到達陸前高田市海岸；15時",
    "location": [
     [
      41,
      206
     ],
     [
      485,
      206
     ],
     [
      485,
      228
     ],
     [
      41,
      228
     ]
    ]
   },
   {
    "words": "26分，海嘯到達陸前高田市中心；15時43分，陸前高田市依稀只能",
    "location": [
     [
      40,
      234
     ],
     [
      486,
      234
     ],
     [
      486,
      258
     ],
     [
      40,
      258
     ]
    ]
   },
   {
    "words": "看到四層高的市府大樓的屋頂，一瞬間，城鎮就變成了汪洋……對",
    "location": [
     [
      40,
      262
     ],
     [
      487,
      262
     ],
     [
      487,
      287
     ],
     [
      40,
      287
     ]
    ]
   },
   {
    "words": "我來說，地震跟家常便飯一樣，可眼前的災難比以往任何一次都要",
    "location": [
     [
      40,
      292
     ],
     [
      487,
      292
     ],
     [
      487,
      317
     ],
     [
      40,
      317
     ]
    ]
   },
   {
    "words": "慘烈，完全超出了我的預期。",
    "location": [
     [
      41,
      326
     ],
     [
      231,
      326
     ],
     [
      231,
      345
     ],
     [
      41,
      345
     ]
    ]
   }
  ],
  "direction": -1
 }
}

在請求參數里的X-Auth-Token參數比較重要，調用華為云的任何API接口都需要這個參數，獲取方式可以看前面的文章。比如這篇文章: https://support.huaweicloud.com/api-ocr/ocr_03_0005.html

2.3 在線調試接口

地址: https://apiexplorer.developer.huaweicloud.com/apiexplorer/debug?product=OCR&api=RecognizeGeneralText

使用調試接口想體驗識別效果，圖片的數據支持base64編碼、http網絡圖片地址傳入，測試非常方便。

關于獲取圖片base64編碼的方式，在文檔里也有介紹，直接通過瀏覽器獲取。

3. 實現代碼

代碼采用QT編寫的，請求API接口實現調用。其他語言方法是一樣的。

3.1 實現效果

3.2 核心代碼

//解析反饋結果
void Widget::replyFinished(QNetworkReply *reply)
{
    QString displayInfo="";
    int statusCode = reply- >attribute(QNetworkRequest::HttpStatusCodeAttribute).toInt();

    //讀取所有數據
    QByteArray replyData = reply- >readAll();

    qDebug()< "狀態碼:"<

審核編輯：湯梓紅