谈谈调用腾讯云【OCR-通用印刷体识别】Api踩的坑

2022-09-28 09:35:39

一、写在前面

最近做项目需要用到识别图片中文字的功能，本来用的Tesseract这个写的，不过效果不是很理想。

随后上网搜了一下OCR接口，就准备使用腾讯云、百度的OCR接口试一下效果。不过这个腾讯云OCR就折腾了一天！

二、OCR-通用印刷体识别

首先附上文档地址：OCR-通用印刷体识别。

1、通用OCR简介

通用OCR技术提供图片整体文字的检测和识别服务，返回文字框位置与文字内容。支持多场景、任意版面下整图文字的识别，以及中英文、字母、数字的识别。被广泛应用于印刷文档识别、广告图文字识别、街景店招识别、菜单识别、视频标题识别、互联网头像文字识别等。

2、接口url地址

http://recognition.image.myqcloud.com/ocr/general

3、请求包header

接口采用http协议，支持指定图片URL和上传本地图片文件两种方式。

所有请求都要求含有下列的头部信息：

Host、Content-Length、Content-Type、Authorization

三、示例

1、使用 url 的请求包

POST /ocr/general HTTP/1.1

Authorization: FCHXdPTEwMDAwMzc5Jms9QUtJRGVRZDBrRU1yM2J4ZjhRckJi==

Host: recognition.image.myqcloud.com

Content-Length: 187

Content-Type: application/json

{

  "appid":"123456",

  "bucket":"test",

  "url":"http://test-123456.image.myqcloud.com/test.jpg"

}　

这个url是万象优图中图片的url地址。

谈谈调用腾讯云【OCR-通用印刷体识别】Api踩的坑

看到这种格式，心里大概有数了，开始敲代码。

2、具体实现

HttpClient client = new HttpClient();

var para = new

{

    appid = "123456",

    bucket = "test",

    url = "http://test-123456.image.myqcloud.com/test.jpg"

};

var jsonPara = JsonConvert.SerializeObject(para);

StringContent content = new StringContent(jsonPara);

content.Headers.ContentType = new MediaTypeHeaderValue("application/json");

content.Headers.ContentLength = jsonPara.Length;

content.Headers.Add("Host", "recognition.image.myqcloud.com");

content.Headers.Add("Authorization", aut);

var taskHrm = client.PostAsync(postUrl, content);

taskHrm.Wait();

var taskStr = taskHrm.Result.Content.ReadAsStringAsync();

taskStr.Wait();

var result = taskStr.Result;

F5运行，结果报错了：

谈谈调用腾讯云【OCR-通用印刷体识别】Api踩的坑

这个错误的原因为：Host和Authorization不能这样添加到Headers中。于是乎我自作聪明的把它们放到参数中了：

var para = new

{

    appid = "123456",

    bucket = "test",

    url = "http://test-123456.image.myqcloud.com/test.jpg",

    Host = "recognition.image.myqcloud.com",

    Authorization = aut

};　　　

这样运行代码是没有报错，不过后台返回“has no sign or sign is empty”，没有签名。

再回头看看参数要求，Host和Authorization必须添加在请求包Header中。于是百度一下，如何使用Httpclient设置Authorization。最终解决方案如下：

client.DefaultRequestHeaders.Host = "recognition.image.myqcloud.com";

client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Basic", aut);　

成功运行！

但是项目中使用url的几率毕竟少，基本上都是上传一张本地图片，然后识别出来文字。

下面来看一下识别一张本地图片。

3、使用 image 的请求包

POST /ocr/general HTTP/1.1

Authorization: FCHXdPTEwMDAwMzc5Jms9QUtJRGVRZDBrRU1yM2J4ZjhRckJi==

Host: recognition.image.myqcloud.com

Content-Length: 735

Content-Type: multipart/form-data;boundary=--------------acebdf13572468

----------------acebdf13572468

Content-Disposition: form-data; name="appid";

123456

----------------acebdf13572468

Content-Disposition: form-data; name="bucket";

test

----------------acebdf13572468

Content-Disposition: form-data; name="image"; filename="test.jpg"

Content-Type: image/jpeg

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

----------------acebdf13572468--

说实话看到这种格式，一开始真是一脸懵逼，前面几个参数还好，后面这一大串不知道怎么传递过去，后来百度了一下，这种格式符合RFC 2045协议。

具体解释一下：

第5行：声明Content Type类型，并定义边界字符串。边界符可以自定义，不过最好是用破折号等数据中一般不会出现的字符;

第6、9、13以及18行是换行，传递的时候使用‘\r\n';

第7、11以及15行是‘--’加上第5行的boundary即边界字符串。这里要注意是一定要加上前面的连字符‘--’，我开始没注意写的是和boundary一样，结果一直报错。

第8、10、12、14就是传递的Key_Value类型的数据。“appid”和“bucket”就是要传递的key，而“123456”以及“test”就是分别对应的value。

第16、17行代表另外一个数据，key是image，filename是“test.jpg”。

最后两行就是结束了。注意最后一行是boundary加上‘--’。

弄清楚是什么意思了，就可以开始写代码了。这里我们用WebRequest，至于为什么不用HttpClient，研究ing。不知哪位仁兄使用HttpClient写过，请不吝赐教。

4、具体实现

要识别的图片如下：

谈谈调用腾讯云【OCR-通用印刷体识别】Api踩的坑

HttpWebRequest webReq = (HttpWebRequest)WebRequest.Create(new Uri(postUrl));

Stream memStream = new MemoryStream();

webReq.Method = "POST";

string boundary = "--------------" + DateTime.Now.Ticks.ToString("x");// 边界符

webReq.ContentType = "multipart/form-data; boundary=" + boundary;

接下来是一个换行符，对应第6行：

byte[] enter = Encoding.ASCII.GetBytes("\r\n");  //换行

memStream.Write(enter, 0, enter.Length);                       

传递key_value的时候格式都是一样，于是我们写在一个循环里面：

Dictionary<string, string> dic = new Dictionary<string, string>()

{

    {"appid","1255710379"} ,

    {"bucket","test1"}

};

//写入文本字段

string inputPartHeaderFormat = "--" + boundary + "\r\n" + "Content-Disposition:form-data;name=\"{0}\";" + "\r\n\r\n{1}\r\n";

foreach (var kv in dic)

{

    string inputPartHeader = string.Format(inputPartHeaderFormat, kv.Key, kv.Value);

    var inputPartHeaderBytes = Encoding.ASCII.GetBytes(inputPartHeader);

    memStream.Write(inputPartHeaderBytes, 0, inputPartHeaderBytes.Length);

}

接着该写入image了，这里我们在bin/debug里面有一张名为1.jpg的图片（即为上面的图片）。

var fileStream = new FileStream("1.jpg", FileMode.Open, FileAccess.Read);

// 写入文件

string imagePartHeader = "--" + boundary + "\r\n" +

                         "Content-Disposition: form-data; name=\"{0}\"; filename=\"{1}\"\r\n" +

                         "Content-Type: image/jpeg\r\n\r\n";

var header = string.Format(imagePartHeader, "image", "1.jpg");

var headerbytes = Encoding.UTF8.GetBytes(header);

memStream.Write(headerbytes, 0, headerbytes.Length);

var buffer = new byte[1024];

int bytesRead;

while ((bytesRead = fileStream.Read(buffer, 0, buffer.Length)) != 0)

{

    memStream.Write(buffer, 0, bytesRead);

}　

最后就是结束符了：

 // 最后的结束符

byte[] endBoundary = Encoding.ASCII.GetBytes("xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx" + "\r\n" + boundary + "--\r\n");

memStream.Write(endBoundary, 0, endBoundary.Length);　

接下来设置其他Header参数：

webReq.ContentLength = memStream.Length;

webReq.Headers.Add(HttpRequestHeader.Authorization, aut);

webReq.Host = "recognition.image.myqcloud.com";

这里需要注意的一点是设置Host值的时候不能使用

webReq.Headers.Add(HttpRequestHeader.Host, "recognition.image.myqcloud.com");

这个方法，否则会有异常。　

var requestStream = webReq.GetRequestStream();

memStream.Position = 0;

memStream.CopyTo(requestStream);

HttpWebResponse response = (HttpWebResponse)webReq.GetResponse();

StreamReader sr = new StreamReader(response.GetResponseStream(), Encoding.UTF8);

var ret = sr.ReadToEnd();

sr.Close();

response.Close();

requestStream.Close();

memStream.Close();

完美运行！识别结果如下：

谈谈调用腾讯云【OCR-通用印刷体识别】Api踩的坑　

四、需要注意的点

1、计算Authorization授权签名

签名分为多次有效签名和单次有效签名。它们拼接成的签名串格式为：

a=[appid]&b=[bucket]&k=[SecretID]&e=[expiredTime]&t=[currentTime]&r=[rand]&u=[userid]&f=[fileid]

具体每个字段的含义请参见官方文档：签名和鉴权文档

需要注意的有两点：

1、使用 HMAC-SHA1 算法对请求进行加密；

2、签名串需要使用 Base64 编码（首先对orignal使用HMAC-SHA1算法进行签名，然后将orignal附加到签名结果的末尾，再进行Base64编码，得到最终的sign）。

 /// <summary>

 /// HMAC-SHA1加密算法

 /// </summary>

 /// <param name="secret_key">密钥</param>

 /// <param name="orignalStr">源文</param>

 /// <returns></returns>

 public static string HmacSha1Sign(string secret_key, string orignalStr)

 {

     var hmacsha1 = new HMACSHA1(Encoding.UTF8.GetBytes(secret_key));

     var orignalBytes = Encoding.UTF8.GetBytes(orignalStr);

     var hashBytes = hmacsha1.ComputeHash(orignalBytes);

     List<byte> bytes = new List<byte>();

     bytes.AddRange(hashBytes);

     bytes.AddRange(orignalBytes);

     return Convert.ToBase64String(bytes.ToArray());

 }

2、一些其他需要注意的　　

1、文中使用的appid、bucket、secret_id、secret_key需要注册万象优图后，才能得到。至于如何得到，文档中说的很清楚，有详细的步骤。

2、在设置Header参数时，Content_Length和Host可以不用设置。

五、最后

希望你在调用腾讯云-OCR通用印刷体识别Api的时候可以少走些弯路，少踩一些坑。当然了这些可能算不上坑，可能是个人一些基础知识没掌握。不管怎么样，如果你在使用OCR的时候，本文对你有一点帮助，那它就发挥了应有的作用。

本文的源代码有兴趣的可以下载。

上一篇：m2eclipse Error:ArtifactTransferException: Failure to transfer org.apache.felix:org.apache.felix.res


下一篇：IOS第五天(2:用户登录,回车的监听(代理模式UITextFieldDelegate)) 和关闭键盘