最近在做个表情包的小程序，涉及到表情包搜索功能。我们上传表情包的时候，只有一张图，怎么搜索？这个时候我们想到就是将表情包的文字提取出来，作为搜索的内容。那么这就需要用到 ocr 技术了。
经过几个 ocr 的库的使用，小编强烈推荐使用 PaddleOCR，一款文本识别效果不输于商用的Python库！
对于 PaddleOCR 本文不会过多介绍，可自行搜索。重点是如何使用 PaddleOCR 解决我的问题。
pip install paddlepaddle pip install paddleocr
我这边安装后的版本：
paddleocr==2.5.0.3 paddlepaddle==2.3.1
在 macOS 安装后，项目运行报错报错，忘了截图，应该是与 setuptools 版本有关，解决方式：
pip install --upgrade setuptools==59.8.0
完成这些配置后，我们就可以愉快的玩耍了。
import hashlib
import io
from PIL import Image
from paddleocr import PaddleOCR
def get_gif_pic_path(url):
'''下载图片，返回图片第一帧路径'''
response = requests.get(url)
filename = hashlib.md5(url.encode(encoding='utf-8')).hexdigest()
img = Image.open(io.BytesIO(response.content))
current = img.tell()
img_path = f'bqb/{filename}_{current}.png'
img.save(img_path)
return img_path
def ocr_get_gif_text_sec(url) -> str:
'''识别gif第一帧图片的文字'''
img_path = get_gif_pic_path(url)
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
result = ocr.ocr(img_path, cls=True)
data = []
for item in result:
data.append(item[1][0])
return ",".join(data)
ocr_get_gif_text_sec('https://xxxxxx')
由于 gif 是个动图，所以我们需要取出图片的第一帧进行识别，get_gif_pic_path实现了这个功能。ocr_get_gif_text_sec 从 gif 第一帧的图进行文字提取，返回的 result 是个数组，我们通过遍历进行提取出来。
提取 gif 图片的内容我们就完成了，两个函数的功能也比较简单。本文没做 gif 全部文字的提取，有兴趣可以挑战下。
当我们想在上传图片的时候，进行对图片文字的处理怎么办？难道要将上传的图保存到路径再去识别么？这也是我在开发中遇到的一个问题，经过拆坑，答案是：不，你不需要。
思路：我们可以从表单中获取上传的图片的二进制，然后将这个二进制传给ocr.ocr()，那么ocr.ocr() 支持这个类型么？经过查看此函数源码，我们可以让它支持。
将图片二进制转化为 nparray 类型即可。下面是这个过程的具体代码
from paddleocr import PaddleOCR
import numpy as np
import cv2
@app.route('/v1/upload_img', methods=['POST'])
def api_v1_upload_img():
if 'file' not in request.files:
return "no file part"
file = request.files['file']
if file.filename == '':
return "no selected file"
if file:
file_name = file.filename
# 获取图片的二进制
res = upload_image(bytes=file.read(), filename=file_name)
return res
else:
return "no file"
def upload_image(bytes, filename = None, mime_type = None):
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
## 核心步骤
np_arr = np.frombuffer(bytes, dtype=np.uint8)
img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR)
# 进行识别
result = ocr.ocr(img=img, cls=True)
ocr_result = []
for line in result:
ocr_result.append(line[1][0].strip())
img_content = ' '.join(ocr_result)
return img_content
在api_v1_upload_img我们获取到图片二进制以及图片名，将这些作为参数传到upload_image，在upload_image中：
np_arr = np.frombuffer(bytes, dtype=np.uint8) img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR)
上面两行代码是这个需求的核心突破点。
还有一点就是建议不要将此识别功能部署到性能差的机器上，并发一下，完全扛不住，默默的留下两行眼泪。
