Minja
01月03日
OCR 识别文字 | Workflow 定制 007
| 本文为付费栏目文章，您已订阅，可阅读全文 |
注：推荐先下载文末的 Workflow，照着本文边看边用，多多动手能获得更好的理解。
正值期末，一位学生读者 @Teresa想养个猫 问我讨一个「能提取照片中文字」的应用，我一笑：这不就是 OCR（Optical Character Recognition，光学字符识别） 嘛。遂推荐 TextGrabber，不过很快被吐槽「好难用，根本不知道点哪里」，又补一句「怎么把没用的页码也识别进来了」，最后补刀一下「折腾半天也不知道怎么把文字发到微信里」。
她的一连串碰壁，反映了 TextGrabber 设计不够人性化的地方。于是我做了一个 Workflow，实现这样的效果：选择图片，运行后弹出文本选择界面，选中所需的文字片段后即自动复制到剪贴板。
思路
这个 Workflow 的核心就是利用现有的 OCR 接口，把图片上传、获取文字。提供 API（Application Programming Interface，应用程序编程接口）的厂商不少，但是微软已经从申请的次月开始收费，谷歌无法正常访问，所以我转向了国内大厂。最后考虑百度的 API 使用起来相对简单，更适合用 Workflow 来交互，所以我选择了它。
选好 API，就去读读它的开发文档，我揪出了重点步骤：
- 获取 AK（API Key）和 SK（Secret Key，秘钥）；
- 生成 access_token；
- 上传图片；
- 拷贝结果到剪贴板。
对制作过程不感兴趣读者可以只读「获取 AK/SK」部分，然后直接跳到文末下载 Workflow、按照里面的提示框填入自己的 AK 和 SK。
获取 AK/SK
之后你会在左侧的「应用列表」里看见申请到的 API。记下里面的 AK 和 SK，它们相当于 API 的钥匙，后续会用到。保护好你的 AK 和 SK。
现在新建第一个 Workflow，拖入一个「Text」并填入 AK，后接一个「Set Variable」把 AK 设为变量，名称自己能看懂就行。设置 SK 变量可如法炮制。
生成 access_token
为了防止 API 被滥用，光有 AK 和 SK 两把钥匙还不够，你需要找百度服务器把它们合成一把新钥匙：access_token。这是一把动态的钥匙，每 30 天会自动过期（但是可以不断重新生成），所以我们要做一个 Workflow 来生成它。
具体说，我们要把 AK 和 SK 两把钥匙做为参数上传（POST）到 https://aip.baidubce.com/oauth/2.0/token 。官方说明在 这里。落实到 Workflow 里需要「Get Contents From URL」这个动作：
上传好了还没完事，服务器会把 access_token 交给你，不过它夹杂在一串貌似乱码的 JSON 里，所以再加一步把 access_token 提取出来：
现在保存好这个 Workflow，取个名字（比如「access_token」），我们将在之后复杂 OCR 功能的 Workflow 里调用它。分成两个动作是为了降低制作难度，毕竟挤在一起太长了，另外也方便以后你拿这个 API 做别的 Workflow。
上传图片
终于要上传图片了，百度提供了多个 API，我选用的是高精度版文字识别，每天有 50 次的上限，已经足够我使用。
和获取 access_token 一样，也是用「Get Content From URL 的」动作来上传图片、获取文字，不过百度的 API 对图片有特殊要求，需在 base64 编码后进行 urlencode，你可能看得云里雾里，其实就是把图片转成一串文字，好让服务器能看懂。
由于我把这个 Workflow 当作 ShareSheet 插件用，所以图片编码的一系列动作放在了开头。如果你想拍照识别，就在一开始加个拍照的动作。
接下来调用生成 access_token 的 Workflow：
现在图片和 access_token 就到位了，让我们准备上传。需要注意，access_token 得直接放在 URL 里，需要填进 Workflow 的 URL 地址就成了这样：
https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token=【这里换成你的 access_token】
另外再加上一个 Content-Type 参数，值为 application/x-www-form-urlencoded。所有所需参数在 Workflow 里的对应表达方式如下：
返回的结果看起来一团乱麻似的的东西，按层级表示出来应该是这样的：
我们真正想要的是嵌在方括号里的粉色部分。
所以第一次「Get Dictionary Value」的 key 应该是 words_result，获得一串 words: 打头的列表（粉色部分），它们按行分割了识别结果。最终需要的是 words 的值，所以再用一次「Get Dictionary Value」，key 设为 words，并且用循环挨个取出来。
现在为识别结果设一个值，我就直白一点管它叫「result」。不过还没结束，这样的一个列表非常粗糙，还要调教一下。
调教识别结果
识别结果是一个列表，里面往往夹杂着标题、页码等不需要的东西，甚至会有识别错误的部分，所以我要加一个选择的功能，只保存所需的识别部分。
所幸上一步结果是列表，我们能够直接加一个「Choose From List」动作，勾选多项、默认全选，实现选择部分识别结果的功能。选择的结果通过「Combine Text」组合起来，设置「New Lines」让每条结果之间换行，最后组成一段文本拷贝进剪贴板。
如果想要预览识别结果，也可以加一个发送通知的动作，要求高一点的话还可以用「Get Variable」动作把最开始的图片也放进通知里（右图），就能实现「原图+文字」图文并茂的通知效果了。
小结
市面上的 OCR 应用非常多，其中有特色的不少，但是兼具中文识别和极简功能的不多。这个 Workflow 就是为有着轻度中文 OCR 需求的人而准备，速度快、直接复制，还能选择自己要的那一部分识别结果。当然，如果你有非常重度的需求，还是得依靠专门的应用。
大家可以在下面下载两个 Workflow，请在「获取 access_token」中填入你自己的 AK 和 SK。
测试所用图片来自 Gemma Correll
上一期
下一期
精选评论（1） 我的评论
