起因
前几天有个朋友问我有没有什么不需要登录QQ的OCR软件，我一琢磨：Steam上那个ShareX不就挺好的。
结果下载下来一看，旧版（13.X）用的是ocr.space的免费服务，新版是直接调用的本地OCR，总结下来就是一句话：识别不精准，需求达不到。
于是怒（不是）而写了一个对接百度OCR的Java程序，和大家一起分享。
（另：因为这个东西既涉及到对ShareX的反编译（修改OCR地址），又涉及到一个小Java项目的编写，但是考虑到ShareX是开源软件，而且修改的部分只占很小一部分，更多的是Java项目的实现思考，所以最后还是决定放在编程语言区……如果放错了区，本人万分抱歉）
（另2：在写的时候有一些问题，也希望和大家一起探讨~）
确定思路和对象
因为我实在懒得编译原版代码，于是我从ocr.space的入手，因为它是靠网络API来进行OCR识别，偷梁换柱比较方便。
(不是，我点了个保存草稿，怎么给我发出去了，算了那我接着写好了）
先用Dnspy进行一番查看，考虑到是OCR，我们直接搜Ocr,搜索到一个OcrSpace
![@MI]NOHP[D$O2YLA[0)TZ{6.png](https://attach.52pojie.cn/forum/202211/11/171515snnmcmcwmh2gcwtn.png "@MI]NOHP[D$O2YLA[0)TZ{6.png")
毕竟不是商业软件，这逻辑一眼就能看懂。我们跑去ocr.space 的网站 https://ocr.space/OCRAPI ， 不费吹灰之力我们就能得到它的API信息，请求和返回都有。
既然我们要用自己的OCR做OCR识别，（而我还不擅长C#，算了我怎么好像什么都不擅长）那么我们遵循这样一个思想：
让软件认为返回值是原本的接口返回，而实际上的OCR工作，由百度等其他接口实现。
粗俗点说就是：软件不动，我们改我们的服务器的项目，让服务器的返回值和原本的接口返回值保持一致（而OCR的内容由百度等其他接口实现）。
编写代码
先用Idea创建一个SpringBoot项目，引入fastjson，引入Baidu SDK。
<!-- https://mvnrepository.com/artifact/com.alibaba/fastjson -->
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>2.0.17</version>
</dependency>
<!-- https://mvnrepository.com/artifact/com.baidu.aip/java-sdk -->
<dependency>
<groupId>com.baidu.aip</groupId>
<artifactId>java-sdk</artifactId>
<version>4.16.12</version>
<exclusions>
<exclusion>
<artifactId>slf4j-simple</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
</exclusions>
</dependency>
然后我们观察一下dnspy里的接口：
Dictionary<string, string> dictionary = new Dictionary<string, string>();
dictionary.Add("apikey", this.APIKey);
dictionary.Add("language", this.Language.ToString());
dictionary.Add("isOverlayRequired", this.Overlay.ToString());
UploadResult uploadResult = base.SendRequestFile("https://apipro1.ocr.space/parse/image", stream, fileName, "file", dictionary, null, null, HttpMethod.POST, "multipart/form-data", null);
我们不难看出传值方式为POST，然后是multipart/form-data，显然传输的是二进制文件流，有了这些回到ocr.space查看接口定义，对应一下不难得到：
于是我们先写一个controller放着：
@RequestMapping("/select_ocr")
public ocrSpaceResponse selectOcr(HttpServletRequest request,
@RequestParam(value = "apikey") String apikey,
@RequestParam(value = "language") String language,
@RequestParam(value = "isOverlayRequired") String required,
@RequestParam(value = "file") MultipartFile file
) {}
之后我们创建一个service，用spring管理service对象：
public class BaiduAPI {
public static final String APP_ID = "";
public static final String API_KEY = "";
public static final String SECRET_KEY = "";
public static final String DATE_FORMAT = "yyyy-MM-dd HH:mm:ss";
AipOcr client;
public BaiduAPI()
{
client = new AipOcr(APP_ID, API_KEY, SECRET_KEY);
// 可选：设置网络连接参数
client.setConnectionTimeoutInMillis(2000);
client.setSocketTimeoutInMillis(60000);
}
multipart file先转换成base64，这样方便我们处理。
（结果根据百度SDK的说法，给百度SDK传值要么传图片地址，要么传图片数组，那么我们还需要一个base64转byte[]数组的代码。网上百度一下，就能找到对应的需求：
package com.example.demo.tools;
import com.example.demo.Demo1Application;
import org.slf4j.LoggerFactory;
import org.springframework.web.multipart.MultipartFile;
import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.HashMap;
import java.util.Map;
public class ImageToBase64 {
private static final org.slf4j.Logger logger = LoggerFactory.getLogger(Demo1Application.class);
/**
* 将MultipartFile 图片文件编码为base64
* @Param file
* @return
* @throws Exception
*/
public static String generateBase64(MultipartFile file){
if (file == null || file.isEmpty()) {
throw new RuntimeException("图片不能为空！");
}
String fileName = file.getOriginalFilename();
String fileType = fileName.substring(fileName.lastIndexOf("."));
String contentType = file.getContentType();
byte[] imageBytes = null;
String base64EncoderImg="";
try {
imageBytes = file.getBytes();
BASE64Encoder base64Encoder =new BASE64Encoder();
/**
* 1.Java使用BASE64Encoder 需要添加图片头（"data:" + contentType + ";base64,"），
* 其中contentType是文件的内容格式。
* 2.Java中在使用BASE64Enconder().encode()会出现字符串换行问题，这是因为RFC 822中规定，
* 每72个字符中加一个换行符号，这样会造成在使用base64字符串时出现问题，
* 所以我们在使用时要先用replaceAll("[\\s*\t\n\r]", "")解决换行的问题。
*/
base64EncoderImg = "data:" + contentType + ";base64," + base64Encoder.encode(imageBytes);
base64EncoderImg = base64EncoderImg.replaceAll("[\\s*\t\n\r]", "");
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
//logger.info("当前图片为:" + base64EncoderImg);
return base64EncoderImg;
}
public static byte[] base64ToImgByteArray(String base64){
try{
sun.misc.BASE64Decoder decoder = new sun.misc.BASE64Decoder();
//因为参数base64来源不一样，需要将附件数据替换清空掉。如果此入参来自canvas.toDataURL("image/png");
base64 = base64.replaceAll("data:image/png;base64,", "");
//base64解码并转为二进制数组
byte[] bytes = decoder.decodeBuffer(base64);
for (int i = 0; i < bytes.length; ++i) {
if (bytes[i] < 0) {// 调整异常数据
bytes[i] += 256;
}
}
return bytes;
}
catch (Exception e)
{
return null;
}
}
//这里对参数属性，参数来自html img.src或者canvas.toDataURL("image/png");
//如果是其他类型的图片请做base64 = base64.replaceAll("data:image/png;base64,", "");里面的png修改
}
接下来把ocr.space的接口返回和百度接口的返回JSON拖到GSONFormatplus里，生成对应的对象：（对象名分别是ocrSpaceResponse和BaiduResponse)
之后编写获取百度OCR的代码：
public ocrSpaceResponse getBaiduResult(String base64Pic,String language)
{
HashMap<String,String> options = new HashMap<>();
//options.put("detect_language", "true");
//这里的JSONObject并不是fastjson，而是org.json，所以还要转换一下，才能用到GsonFormatplus的对象里
JSONObject json = client.basicGeneral(base64ToImgByteArray(base64Pic),options);
com.alibaba.fastjson.JSONObject c = com.alibaba.fastjson.JSONObject.parseObject(json.toString());
//这里
BaiduResponse response1 = com.alibaba.fastjson.JSONObject.toJavaObject(c, BaiduResponse.class);
if(response1.getErrorMsg()==null)
{
StringBuilder wordback = new StringBuilder();
for(BaiduResponse.WordsResultDTO word:response1.getWordsResult())
{
//拼凑数据，因为百度返回和OCRSPACE对换行的处理不一样，这样就换成了OcrSpace的换行方式
wordback.append(word.getWords()).append("\r\n");
}
return CreateResponse.createResponse(wordback);
}
else {
return null;
}
}
修改一下client.basicGeneral，改成client.basicAccurateGeneral就是百度高精度了。
再看一眼这里的代码：
if (!uploadResult.IsSuccess)
{
uploadResult = base.SendRequestFile("https://apipro2.ocr.space/parse/image", stream, fileName, "file", dictionary, null, null, HttpMethod.POST, "multipart/form-data", null);
}
if (uploadResult.IsSuccess)
{
return JsonConvert.DeserializeObject<OCRSpaceResponse>(uploadResult.Response);
}
这个!IsSuccess就代表第一个接口失败。也是，毕竟百度免费SDK额度有限，用完了高精度的怎么办呢，再用低精度的就好。（毕竟加一起2000条，一个月用完属于是有点难度）
于是首先创建一个报错的异常
package com.example.demo.exceptions;
import org.springframework.http.HttpStatus;
import org.springframework.web.bind.annotation.ResponseStatus;
@ResponseStatus(code= HttpStatus.INTERNAL_SERVER_ERROR,reason="Failed so use another!")
public class ServerException extends Exception {
}
再从这里，检测到如果为空就抛出异常
@RequestMapping("/baidu_high_ocr")
public ocrSpaceResponse baidu_high_ocr(HttpServletRequest request,
@RequestParam(value = "apikey") String apikey,
@RequestParam(value = "language") String language,
@RequestParam(value = "isOverlayRequired") String required,
@RequestParam(value = "file") MultipartFile file
) throws ServerException {
logger.info("使用百度高精度");
String base = ImageToBase64.generateBase64(file);
ocrSpaceResponse response = baidu.getBaiduHighResult(base, "schinese");
if (response == null) {
throw new ServerException();
}
return response;
}
之后只需要修改一下dnspy这里的地址，再启动程序即可。(我的Springboot开的端口是8082）
public OCRSpaceResponse DoOCR(Stream stream, string fileName)
{
Dictionary<string, string> dictionary = new Dictionary<string, string>();
dictionary.Add("apikey", this.APIKey);
dictionary.Add("language", this.Language.ToString());
dictionary.Add("isOverlayRequired", this.Overlay.ToString());
UploadResult uploadResult = base.SendRequestFile("http://127.0.0.1:8082/baidu_low_ocr", stream, fileName, "file", dictionary, null, null, HttpMethod.POST, "multipart/form-data", null);
if (!uploadResult.IsSuccess)
{
uploadResult = base.SendRequestFile("http://127.0.0.1:8082/baidu_high_ocr", stream, fileName, "file", dictionary, null, null, HttpMethod.POST, "multipart/form-data", null);
}
if (uploadResult.IsSuccess)
{
return JsonConvert.DeserializeObject<OCRSpaceResponse>(uploadResult.Response);
}
return null;
}
来一张成功的截图：
![0(Z]0CD~_5]H3%7Q`U0[B[X.png](https://attach.52pojie.cn/forum/202211/11/175357zo0otsopp90hhy0a.png "0(Z]0CD~_5]H3%7Q`U0[B[X.png")
最后有几个问题想和各位探讨一下：
- 在使用BaiduSdk的时候，它的JSON和我们的JSON库不一样，我是把它转换成了json文本，然后再用自己用的JSON库转换一次，才能让它直接赋值给对象。有没有比较好的方案去解决这个问题？
- 可以看到BaiduSDK的key值等是写死的（具体看我项目文件），有没有比较合适的手段让他从文件中读写？之前尝试过使用Springboot的application.properties但是赋值就变成空了（@Value注解）
还望各位大佬不吝赐教，小弟在此感谢各位。
demo1.zip
(128.49 KB, 下载次数: 75)
发表于 2022-11-11 17:12
|
发表于 2022-11-12 01:35
——谢谢
2问题能不能从包外文件里去读取呢？在application.properties里定义配置文件路径变量，然后启动项目的时候再赋值