Python 中调用阿里云 OCR（Optical Character Recognition，光学字符识别）服务
在 Python 中调用阿里云 OCR（Optical Character Recognition，光学字符识别）服务，通常需要使用阿里云的 SDK。OCR 服务属于阿里云“视觉智能（Vision Intelligence）”产品线的一部分，调用时需通过 API 的方式实现。
以下是一个使用阿里云 Python SDK 调用 OCR 通用文字识别接口的基本示例，适用于支持返回坐标的 OCR 接口（如通用文字识别、卡证识别等），并展示如何获取坐标信息：
✅ 前提条件
- 开通服务：确保你已经在阿里云上开通了 OCR 服务。
- 获取 AccessKey：
- 登录 阿里云控制台
- 进入【AccessKey 管理】页面，创建或获取你的
AccessKeyId和AccessKeySecret
- 安装依赖包：
pip install aliyunsdkcore
pip install aliyunsdkgreen
注意：OCR 接口目前主要通过自定义调用阿里云 OpenAPI 实现，部分接口可能还在 Green 或 Vision 模块中。
🧩 示例代码（调用通用OCR识别并获取坐标）
from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.request import CommonRequest
import json# 初始化客户端
client = AcsClient('<your-access-key-id>', '<your-access-key-secret>','cn-shanghai' # OCR服务所在区域，根据实际情况填写
)def ocr_recognize(image_url):request = CommonRequest()request.set_domain('ocr.cn-shanghai.aliyuncs.com')request.set_version('2021-07-07')request.set_action_name('RecognizeGeneralText') # 使用通用OCR接口request.set_method('POST')# 设置请求参数request.add_query_param('Url', image_url) # 图片URL# 如果是上传图片二进制数据，可以使用 Body 参数传入 Base64 编码内容# request.add_body_params('ImageURL', image_url)response = client.do_action_with_exception(request)result = json.loads(response)return result# 示例调用
if __name__ == '__main__':image_url = "https://example.com/test_image.jpg" # 替换为你的图片URLresult = ocr_recognize(image_url)if result.get("Code") == "200":print("识别成功！")for item in result["Data"]["Result"]["Elements"]:text = item["Text"]box = item["Box"] # 获取坐标信息，格式为 [x1,y1, x2,y2, x3,y3, x4,y4]print(f"文字: {text}, 坐标: {box}")else:print("识别失败:", result.get("Message"))
📌 关键说明
| 字段 | 含义 |
|---|---|
Text | 识别出的文字内容 |
Box | 文字所在的矩形框坐标，格式为 [x1, y1, x2, y2, x3, y3, x4, y4]，按顺时针排列 |
🔁 支持的OCR接口（可根据需求替换 ActionName）
| 接口名 | 描述 |
|---|---|
RecognizeGeneralText | 通用文字识别（支持坐标） |
RecognizeIdCard | 身份证识别 |
RecognizeBankCard | 银行卡识别 |
RecognizeBusinessLicense | 营业执照识别 |
RecognizeInvoice | 发票识别 |
你可以根据实际用途替换 set_action_name() 中的接口名称，并查看对应文档中返回字段结构。
📚 参考文档
- OCR 官方文档：https://help.aliyun.com/product/58629.html
- Python SDK 文档：https://help.aliyun.com/document_detail/53090.html
根据你的需求，你希望在 Python 中调用阿里云的 OCR 服务，并返回识别文本的坐标信息。以下是一个简洁的 Python 模板，用于调用阿里云 OCR 服务（基于阿里云 Content Moderation SDK），并获取文本的坐标信息。模板将使用阿里云的通用文字识别接口，并确保返回的 JSON 响应中包含文本的边界框（bounding box）坐标。
前提条件
- 阿里云账户：确保你已注册阿里云账户，并开通了 Content Moderation 服务（OCR 功能包含在内）。
- AccessKey：获取你的 AccessKey ID 和 AccessKey Secret（参考阿里云文档：https://www.alibabacloud.com/help/en/ram/user-guide/create-an-accesskey-pair）。
- SDK 安装：安装阿里云 Python SDK。
- 环境：Python 3.x 环境，安装必要的依赖库。
安装依赖
运行以下命令安装阿里云 SDK：
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-green
Python 模板代码
以下是一个简洁的 Python 脚本，用于调用阿里云 OCR 服务，识别图片中的文本并返回坐标信息：
# -*- coding: utf-8 -*-
import json
import uuid
from aliyunsdkcore.client import AcsClient
from aliyunsdkgreen.request.v20180509 import ImageSyncScanRequestclass AliyunOCRAnalyzer:def __init__(self, access_key_id, access_key_secret, region_id="cn-shanghai"):"""初始化阿里云 OCR 客户端"""self.client = AcsClient(access_key_id, access_key_secret, region_id)def recognize_text_with_coordinates(self, image_url):"""调用阿里云 OCR 服务，识别图片文本并返回坐标"""try:# 创建 OCR 请求request = ImageSyncScanRequest()request.set_accept_format('JSON')# 设置任务参数task = {"dataId": str(uuid.uuid1()),"url": image_url,"extras": {"ocr": "all" # 启用通用文字识别}}# 配置请求request.set_content(json.dumps({"tasks": [task], "scenes": ["ocr"]}))# 发送请求并获取响应response = self.client.do_action_with_exception(request)result = json.loads(response.decode('utf-8'))# 解析 OCR 结果if result.get("code") == 200 and result.get("data"):for task_result in result["data"]:if task_result.get("results"):for res in task_result["results"]:if res.get("scene") == "ocr" and res.get("suggestion") == "pass":ocr_data = res.get("details", [])for item in ocr_data:text = item.get("text", "")coordinates = item.get("locations", [])print(f"文本: {text}")print(f"坐标: {coordinates}")# 示例坐标格式: [{"x": 100, "y": 200, "width": 50, "height": 30}, ...]else:print(f"OCR 请求失败: {result.get('msg', '未知错误')}")except Exception as e:print(f"错误: {str(e)}")def main():# 替换为你的 AccessKey 和图片 URLaccess_key_id = "YOUR_ACCESS_KEY_ID"access_key_secret = "YOUR_ACCESS_KEY_SECRET"image_url = "https://example.com/test.jpg" # 替换为实际图片 URL# 初始化 OCR 分析器ocr_analyzer = AliyunOCRAnalyzer(access_key_id, access_key_secret)# 调用 OCR 并获取坐标ocr_analyzer.recognize_text_with_coordinates(image_url)if __name__ == "__main__":main()
代码说明
- 命名：类名为
AliyunOCRAnalyzer，简洁且反映了阿里云 OCR 分析功能。 - 初始化：
- 使用
AcsClient初始化阿里云客户端，需提供 AccessKey ID、AccessKey Secret 和区域 ID（默认cn-shanghai）。
- 使用
- OCR 请求：
- 使用
ImageSyncScanRequest提交同步 OCR 任务。 - 设置
scenes为["ocr"]以启用文字识别。 extras参数中的ocr: all表示使用通用文字识别。
- 使用
- 坐标返回：
- 响应中的
locations字段包含每个识别文本的边界框坐标，格式通常为[{"x": x, "y": y, "width": w, "height": h}, ...]。 - 脚本解析 JSON 响应，提取文本和坐标信息。
- 响应中的
- 错误处理：捕获可能的异常（如网络错误或权限问题），并输出错误信息。
- 依赖：
- 需要
aliyun-python-sdk-core和aliyun-python-sdk-green。 - 图片需通过 URL 提供（支持 HTTP/HTTPS 协议）。
- 需要
使用方法
- 配置 AccessKey：
- 替换
YOUR_ACCESS_KEY_ID和YOUR_ACCESS_KEY_SECRET为你的阿里云 AccessKey。 - 可通过环境变量设置以提高安全性：
import os access_key_id = os.environ['ALIBABA_CLOUD_ACCESS_KEY_ID'] access_key_secret = os.environ['ALIBABA_CLOUD_ACCESS_KEY_SECRET']
- 替换
- 设置图片 URL：
- 将
image_url替换为实际图片的公开 URL（例如存储在阿里云 OSS 或其他可访问的服务器上）。
- 将
- 运行脚本：
- 执行脚本后，程序将输出识别的文本及其对应的坐标信息。
示例输出
假设图片包含文本“欢迎使用阿里云”，输出可能如下：
文本: 欢迎使用阿里云
坐标: [{"x": 50, "y": 100, "width": 200, "height": 40}]
注意事项
- 服务开通：确保已开通阿里云 Content Moderation 服务（参考：https://www.alibabacloud.com/help/en/content-moderation）。
- 图片要求：
- 支持 JPEG、PNG 等常见格式。
- 图片大小建议小于 10MB，分辨率适中以保证识别效果。
- 坐标格式：阿里云 OCR 返回的坐标格式可能因接口版本不同而变化，建议调试时打印完整响应（
print(result)）以确认字段结构。 - 性能优化：为提高效率，建议重用
AcsClient实例，避免重复创建。 - 替代方案：如果需要更复杂的 OCR 功能（例如表格识别），可考虑阿里云的 Document AI 或其他 OCR 服务（如 Google Cloud Vision、Azure AI Vision）。
扩展功能
- 本地图片支持：
- 如果图片在本地，可先上传到阿里云 OSS（对象存储服务），获取 URL 后调用 OCR。
- 示例上传代码（需安装
oss2库）：import oss2 def upload_to_oss(file_path, bucket_name, access_key_id, access_key_secret):auth = oss2.Auth(access_key_id, access_key_secret)bucket = oss2.Bucket(auth, 'oss-cn-shanghai.aliyuncs.com', bucket_name)object_name = f"ocr/{os.path.basename(file_path)}"bucket.put_object_from_file(object_name, file_path)return f"https://{bucket_name}.oss-cn-shanghai.aliyuncs.com/{object_name}"
- 可视化坐标：
- 使用 OpenCV 绘制文本的边界框：
import cv2 import requestsdef draw_bounding_boxes(image_url, coordinates, output_path):# 下载图片response = requests.get(image_url)image_array = np.frombuffer(response.content, np.uint8)image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)# 绘制边界框for coord in coordinates:x, y, w, h = coord["x"], coord["y"], coord["width"], coord["height"]cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# 保存结果cv2.imwrite(output_path, image)
- 使用 OpenCV 绘制文本的边界框：
- 批量处理：
- 修改
tasks列表，添加多个图片 URL 以支持批量 OCR。
- 修改