使用Python接入OCR文字识别API的全教程

首页

编程语言

热心网友

转载

2026-05-05

在开发过程中，我们经常需要对图片进行文字识别，例如身份证识别、发片识别、文档扫描等场景。使用 OCR（Optical Character Recognition，光学字符识别）API 可以快速实现这些功能。本文将以 Python 为例，带你完成 OCR 文字识别 API 接入全过程，并提供在线体验和实用优化建议。

一、准备工作

万事开头先准备。接入任何API，第一步都离不开获取凭证和配置环境。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

注册 OCR API 服务

这里我们以石榴智能OCR接入API为示例。注册流程通常很简单，完成后你会获得两个关键信息：API Key 和 Secret Key（或AppCode）。请务必妥善保管，它们相当于访问服务的“钥匙”。

安装 Python 依赖库

接下来，在Python环境中安装必要的库。打开终端，执行以下命令：

pip install requests pillow

requests：这是发送HTTP请求的利器，几乎是调用API的标配。
Pillow：一个强大的图像处理库，用于图片的预处理（如调整尺寸、格式转换），属于可选但推荐安装的工具。

准备测试图片

手边准备一张清晰的测试图片至关重要。可以是身份证、票据、文档扫描件，或者任何包含清晰文字的图片。图片质量会直接影响初次测试的体验和信心。

二、API 请求方式简介

在动手写代码之前，先花几分钟了解API的基本请求格式，能让你事半功倍。

OCR API 通常需要发送以下参数：

image：图片数据，通常以 Base64 编码字符串形式提供，或者直接填写一个可公开访问的图片URL。
type：指定识别类型，例如 id_card（身份证）、invoice（发片）、general（通用文字识别）等，这有助于引擎进行针对性优化。
language：可选参数，用于指定需要识别的语言，实现多语言混合识别。

示意请求格式：

让我们以一个通用OCR接口为例，拆解其请求构成。

请求URL：

POST http(s)://ocr-api.shiliuai.com/api/advanced_general_ocr/v1

请求方式： POST

请求头

参数	类型	说明
Authorization	string	'APPCODE ' + 您的AppCode
Content-Type	string	application/json

请求体

参数	是否必填	类型	说明
image_base64	选填	string	图片Base64；与image_url二选一；像素[15,8192]；小于20M
image_url	选填	string	图片URL；与image_base64二选一；像素[15,8192]；小于20M
is_line	选填	bool	是否为单行文字，默认False

返回信息：

调用成功与否，全看返回的数据结构。一份标准的响应通常包含状态码、消息和核心数据。

返回结构

参数名	类型	说明
code	int	错误码
msg	string	错误信息（英文）
msg_cn	string	错误信息（中文）
success	bool	识别是否成功
image_id	string	请求图片ID
request_id	string	唯一请求ID
data	data	具体看下面

以下是返回示例，重点关注data字段的结构：

data 成功示例：
data = {
       "content":
       [
              {
                     "text": "你好", // string, 文字内容
                     "prob": 0.995, // float, [0, 1], 文字内容置信度
                     "keypoints": [ // list, 文字区域四个角的位置，以文字的左上角为起点，按顺时针顺序排列，单行文字没有此项
                            {"x":50, "y":20},
                            {"x":150, "y":20},
                            {"x":150, "y":60},
                            {"x":50, "y":60}
                            ]
              },
              ......
       ]
}
data 失败示例：
data = {}

三、Python 接入示例

理论清晰了，现在来看实战代码。下面这段Python示例，清晰地展示了从图片到识别结果的完整链路。

# API文档：https://market.shiliuai.com/doc/advanced-general-ocr
# -*- coding: utf-8 -*-
import requests
import base64
import json

# 请求接口
URL = "https://ocr-api.shiliuai.com/api/general_ocr/v1"

# 图片转base64
def get_base64(file_path):
    with open(file_path, 'rb') as f:
        data = f.read()
    b64 = base64.b64encode(data).decode('utf8')
    return b64


def demo(appcode, file_path):
    # 请求头
    headers = {
        'Authorization': 'APPCODE %s' % appcode,
        'Content-Type': 'application/json'
    }
    # 请求体
    b64 = get_base64(file_path)
    data = {"image_base64": b64}
    # 发送请求
    response = requests.post(url=URL, headers=headers, json=data)
    content = json.loads(response.content)
    print(content)

if __name__=="__main__":
    appcode = "你的APPCODE"
    file_path = "本地图片路径"
    demo(appcode, file_path)

将代码中的appcode和file_path替换成你自己的信息，运行一下，就能看到OCR识别的原始返回结果了。