介绍
我们每个人或多或少都会使用到名片。但是如果名片数量一大，管理它们就显得非常麻烦。因此我产生用这篇文章的案例来管理他们。
这里，我先用手机对每张名片拍照，并按以下流程进行处理:
把获得的名片图像交给我们的应用程序，抽取人名，公司名称，地址等信息。这里我使用了Google Vision API 和 自然语言（Natural Language )API，因为这两个API简单易用，并且性能也很不错。
我使用Python来编写我的这个应用程序，来调用 Google Vision API 和 Natural Language API。
创建步骤
第 0 步: 准备
第 1 步: 用Google Vision API识别文本
第 2 步: 用Natural Language API抽取人名，公司名称及地址信息
第 3 步: 整合第1和第2步
第0步 准备
在开始应用程序编写之前，我们要安装必要的类库，下载配置以及设置API的键值。从这个链接你能设置 Google API key 。
安装类库
执行一下命令行来安装类库。
$ pip install requests
$ pip install pyyaml
下载资源库
这里我已经事先准备好了资源库。也可以从下面的链接下载。
下载
设置API Key
把Google API key 写进配置文件 (plugins/config/google.yaml).
首先，打开 google.yaml 把你的API key替换掉 xxx。
token: xxx第1步 用Google Vision API识别文本
Vision API 简介
依靠强大的机器学习模型，谷歌 Vision API 能让你编写自己的图像识别应用程序。Vision API 有以下的功能:
图像分类 (例如 “快艇” “狮子” “埃菲尔铁塔” 等等)
脸部识别
文本识别
标志识别
地标识别
安全搜索识别
Vision API 每月有1000个免费请求。
编写脚本
这里我们编写Python脚本来使用 Vision API。把以下代码保存为plugins/apis/vision.py。 这里我们要使用UTF-8编码。
# -*- coding: utf-8 -*-import base64
import requests
def detect_text(image_file, access_token=None):
with open(image_file, 'rb') as image:
base64_image = base64.b64encode(image.read()).decode()
url = 'hogleapis.com/v1/images:annotate?key={}'.format(access_token)
header = {'Content-Type': 'application/json'}
body = {
'requests': [{
'image': {
'content': base64_image,
},
'features': [{
'type': 'TEXT_DETECTION',
'maxResults': 1,
}]
}]
}
response = requests.post(url, headers=header, json=body).json()
text = response['responses'][0]['textAnnotations'][0]['description'] if len(response['responses'][0]) >0 else ''
return text
输入图像文件路径和API key到detect_text 函数， 我们就能得到图像文件中的文本信息
运行脚本
首先，把脚本文件移入 plugins/tests 文件夹。其中已经有一个test_vision.py 文件。在test_vision.py中, 编写调用detect_text 函数的测试用例。如果运行正常，我们就能获取图像中的文本信息了。
用下面 example_en.png这张名片作为输入，运行脚本。
$ python test_vision.py data/example_en.png输出结果
John Smith.Capsule Corporation
217-767-8187
1332 Spring Street Elwin Illinois
第 2 步用Natural Language API抽取人名，公司名称及地址信息
Natural Language API简介
Natural Language API 提供了强大的机器学习模型，以REST API 的形式识别文本结构和其中的含义。Natural Language API 有一下功能:
实体识别 (如，个人姓名，机构名称，事件信息等)
语意分析 (产品评论中的情感，客户意见等)
语法分析
Vision API 每月有5000个免费请求。
运行脚本
同样我们编写Python脚本来调用Natural Language API. 保存脚本为plugins/apis/language.py。注意使用UTF-8编码。
# -*- coding: utf-8 -*-import requests
def extract_entities(text, access_token=None):
url = 'htoogleapis.com/v1beta1/documents:analyzeEntities?key={}'.format(access_token)
header = {'Content-Type': 'application/json'}
body = {
"document": {
"type": "PLAIN_TEXT",
"language": "EN",
"content": text
},
"encodingType": "UTF8"
}
response = requests.post(url, headers=header, json=body).json()
return response
def extract_required_entities(text, access_token=None):
entities = extract_entities(text, access_token)
required_entities = {'ORGANIZATION': '', 'PERSON': '', 'LOCATION': ''}
for entity in entities['entities']:
t = entity['type']
if t in required_entities:
required_entities[t] += entity['name']
return required_entities
把文本数据和API key 以参数形式传入 extract_entities 函数, 不同的实体信息就能被提取出来。而我们只需要 公司名称, 个人姓名, 地点信息 。extract_required_entities 函数就是用来筛选出这些需要的内容。
运行脚本
同样，把脚本文件移入plugins/tests 文件夹。我们会看到一个test_language.py 文件。在test_language.py中，编写调用 extract_required_entities 函数的测试用例。
这里我用准备好的 example_en.txt文本文件作为输入运行脚本。在example_en.txt 文本文件中包含了上一步的输出结果。
$ python test_language.py data/example.txt输出结果
{'LOCATION': 'Spring Street Elwin Illinois', 'PERSON': 'John Smith', 'ORGANIZATION': 'Capsule Corporation'}Step 3 整合第1和第2步I
最后，我们再编写另一个脚本整合 Vision API 和 Natural Language API。
编写脚本
编写脚本整合 Vision API 和 Natural Language API. 保存为 plugins/apis/integration.py。这里我们要使用UTF-8编码。
# -*- coding: utf-8 -*-from .language import extract_required_entities
from .vision import detect_text
def extract_entities_from_img(img_path, access_token):
text = detect_text(img_path, access_token)
entities = extract_required_entities(text, access_token)
return entities
通过把图像文件路径和API key 作为参数输入 extract_entities_from_img ，就能从名片图像中提取出以上提到的信息数据了。
运行脚本
首先，把脚本文件移入plugins/tests 文件夹。其中已经存在一个test_integration.py文件。在test_integration.py中编写调用extract_entities_from_img 的测试用力。
用图像文件 example_en.png作为输入数据运行脚本。
$ python test_integration.py data/example_en.png输出结果
{'LOCATION': 'Spring Street Elwin Illinois', 'PERSON': 'John Smith', 'ORGANIZATION': 'Capsule Corporation'}结论
以上我们用 Google Vision API 和 Natural Language API编写了一个简单的提取名片信息的应用程序。然而，这只是个简单的原型，之后我还会对它进行改进，让它更加完善。
结合本段时间学习的python知识，完成了一个个人名片管理系统，该系统包括菜单项：1、新建名片
包括个人姓名、年龄、电话号码三个信息
2、显示名片
3、查询名片
0、退出系统
该系统会一直循环提示输入，直至关闭程序或者按照提示退出系统
菜单界面如下：
创建名片界面：
显示名片界面：
查询界面：
退出界面：
Python图片文本识别使用的工具是PIL和pytesser。因为他们使用到很多的python库文件，为了避免一个个工具的安装，建议使用pythonxypytesser是OCR开源项目的一个模块，在Python中导入这个模块即可将图片中的文字转换成文本。pytesser调用了tesseract。当在Python中调用pytesser模块时，pytesser又用tesseract识别图片中的文字。pytesser的使用步骤如下：
首先，安装Python2.7版本，这个版本比较稳定，建议使用这个版本。
其次，安装pythoncv。
然后，安装PIL工具，pytesser的使用需要PIL库的支持。
接着下载pytesser
最后，将pytesser解压，这个是免安装的，可以将解压后的文件cut到Python安装目录的Lib\site-packages下直接使用，比如我的安装目录是：C:\Python27\Lib\site-packages，同时把这个目录添加到环境变量之中。
完成以上步骤之后，就可以编写图片文本识别的Python脚本了。参考脚本如下：
from pytesser import *
import ImageEnhance
image = Image.open('D:\\workspace\\python\\5.png')
#使用ImageEnhance可以增强图片的识别率
enhancer = ImageEnhance.Contrast(image)
image_enhancer = enhancer.enhance(4)
print image_to_string(image_enhancer)
tesseract是谷歌的一个对图片进行识别的开源框架，免费使用，现在已经支持中文，而且识别率非常高，这里简要来个helloworld级别的认识
下载之后进行安装，不再演示。
在tesseract目录下，有个tesseract.exe文件，主要调用这个执行文件，用cmd运行到这个目录下，在这个目录下同时放置一张需要识别的图片，这里是123.jpg
然后运行:tesseract 123.jpg result
会把123.jpg自动识别并转换为txt文件到result.txt
但是此时中文识别不好
然后找到tessdata目录，把eng.traineddata替换为chi_sim.traineddata,并且把chi_sim.traineddata重命名为eng.traineddata
ok,现在中文识别基本达到90%以上了
