目录
1、 首先进入百度AI开放平台，注册百度智能云账号，进入控制台并创建应用
1、 首先进入百度AI开放平台，注册百度智能云账号，进入控制台并创建应用
1.1、 登录百度AI开放平台
百度AI开放平台：https://ai.baidu.com
该平台也可直接用百度账号进行登录
1.2、 进入控制台-文字识别
进入控制台后可选择该平台提供的服务，可以看到，该平台为我们提供了文字识别，语音识别，人脸识别等多种服务，这里我们以文字识别为例，选中文字识别，即可进入控制台概览。
1.3、 创建应用
在控制台概览中，我们可以看台平台提示的操作指引，我们按照顺序，首先去领取相应的免费资源，可以用作个人测试使用。
已经完成个人认证的我们，每月有一定次数的限额，完全可以满足个人小规模的专业性识别需求。如果需要更多，可以购买更多服务。
初次使用，需要创建应用，创建应用时需要填写相关信息，全部填写完毕即可创建应用。
创建应用后，可以在文字识别控制台公有云服务中的应用列表查看相关信息，创建成功后会生成唯一AppID、API Key、Secret Key等秘钥，是调用baidu-aip接口的重要信息
1.4、 查看帮助文档
可以查看帮助文档来使用相关API，接下来我们以使用通用场景文字识别为例，演示如何使用python的baidu-aip
帮助文档：https://cloud.baidu.com/doc/OCR/s/Ck3h7y2ia
2、python下载baidu-aip库
该库在使用时只需要导入aip,但该库全名为baidu-aip,不少人在此处会安装错误
pip install baidu-aip -i https://pypi.tuna.tsinghua.edu.cn/simple除此之外，在pycharm等IDE也可以搜索再下载。
3、两种方式调用api发送请求，获取文字识别结果
3.1、 通过AipOcr交互
3.1.1、 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：
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'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)3.1.2、 配置AipOcr
如果用户需要配置AipOcr的网络请求参数(一般不需要配置)，可以在构造AipOcr之后调用接口设置参数，目前只支持以下参数：
| 接口 |
说明 |
| setConnectionTimeoutInMillis |
建立连接的超时时间（单位：毫秒 |
| setSocketTimeoutInMillis |
通过打开的连接传输数据的超时时间（单位：毫秒） |
3.1.3、 用户向服务请求识别某张图中的所有文字。
通过AipOcr对象调用请求服务方法,相关方法名可前往接口文档查看
接口说明：https://cloud.baidu.com/doc/OCR/s/7kibizyfm
# 设置可选参数
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "true"
options["detect_language"] = "true"
options["probability"] = "true"
# 调用通用文字识别（标准版），返回值是一个字典
res_image = client.basicGeneral(image, options)
res_url = client.basicGeneralUrl(url, options)
res_pdf = client.basicGeneralPdf(pdf_file, options)3.1.4、 识别结果
调用相关方法后的返回值是一个字典，可以通过相应属性名，获取所需的属性值
测试用图：
# 识别网络图片
url = "https://img.zcool.cn/community/01a7195d65df7ca8012187f435d2b7.jpg@1280w_1l_2o_100sh.jpg"
# 标准版
res_url = client.basicGeneralUrl(url)
# 高精度版
# res_url = client.accurateUrl(url)
# 返回一个字典
for keys, values in res_url.items():
print(keys, "：", values)
3.2、 向API服务地址发送网络请求
3.2.1、 Access Token获取
Access_token必须通过API Key和Secret Key获取
注意：access_token的有效期为30天，需要每30天进行定期更换；
import requests
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
# Access_token必须通过API Key和Secret Key获取
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + API_KEY + '&client_secret=' + SECRET_KEY
response = requests.get(host)
access_token = response.json()["access_token"]3.2.2、 向API服务地址使用POST发送请求
向API服务地址使用POST发送请求，必须在URL中带上参数：access_token
同样可以设置请求参数，来得到所需数据
# 通用识别 高精度 网络地址
request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
# 带上参数 access_token
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
# 参数设置
url = "https://img.zcool.cn/community/01a7195d65df7ca8012187f435d2b7.jpg@1280w_1l_2o_100sh.jpg"
params = {"url": url, "language_type": "ENG"}
# 返回一个requests.models.Response类型数据
result = requests.post(request_url, data=params, headers=headers)3.2.3、 识别结果
服务返回一个Response类型数据，可通过json方法，返回一个字典，通过属性名获得所需属性值
if result:
for keys, values in result.json().items():
print(keys, "：", values)
4、 其它
4.1、通用文字识别 请求参数详情
| 参数 |
类型 |
可选值范围 |
说明 |
| image/ url/pdf_file 【必选且三选一】 |
string |
图像数据，base64编码后进行urlencode 图片完整url，url长度不超过1024字节 PDF文件，base64编码后进行urlencode |
要求对应图片base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px |
| pdf_file_num |
string |
- |
需要识别的PDF文件的对应页码，当 pdf_file 参数有效时，识别传入页码的对应页面内容，若不传入，则默认识别第 1 页 |
| language_type |
string |
CHN_ENG：中英文混合、ENG：英文、JAP：日语、KOR：韩语、FRE：法语、SPA：西班牙语、POR：葡萄牙语、GER：德语、ITA：意大利语、 RUS：俄语 |
识别语言类型，默认为CHN_ENG |
| detect_direction |
string |
true：检测朝向； |
是否检测图像朝向，默认不检测，即：false。朝向是指输入图像是正常方向、逆时针旋转90/180/270度。 |
| detect_language |
string |
true/false |
是否检测语言，默认不检测。当前支持（中文、英语、日语、韩语） |
| paragraph |
string |
true/false |
是否输出段落信息 |
| probability |
string |
true/false |
是否返回识别结果中每一行的置信度 |
4.2、 通用文字识别 返回数据参数详情
| 字段 |
是否必选 |
类型 |
说明 |
| direction |
否 |
int32 |
图像方向，当 detect_direction=true 时返回该字段。 |
| log_id |
是 |
uint64 |
唯一的log id，用于问题定位 |
| words_result_num |
是 |
uint32 |
识别结果数，表示words_result的元素个数 |
| words_result |
是 |
array[] |
识别结果数组 |
| + words |
否 |
string |
识别结果字符串 |
| + probability |
否 |
object |
识别结果中每一行的置信度值，包含average：行置信度平均值，variance：行置信度方差，min：行置信度最小值，当 probability=true 时返回该字段 |
| paragraphs_result |
否 |
array[] |
段落检测结果，当 paragraph=true 时返回该字段 |
| + words_result_idx |
否 |
array[] |
一个段落包含的行序号，当 paragraph=true 时返回该字段 |
| language |
否 |
int32 |
当 detect_language=true 时返回该字段 |
| pdf_file_size |
否 |
string |
传入PDF文件的总页数，当 pdf_file 参数有效时返回该字段 |