Python OCR 文字识别 API 接入完整教程

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、发票识别、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

注册 OCR API 服务

我们以石榴智能OCR接入API为示例，注册后可获得 API Key 和 Secret Key。
安装 Python 依赖库
bash 复制代码
```
pip install requests pillow
```
- requests：用于发送 HTTP 请求
- Pillow：用于图片处理，可选
准备测试图片

图片可以是身份证、票据、文档扫描件等。

二、API 请求方式简介

OCR API 通常需要发送以下参数：

image：图片 Base64 编码或 URL
type：识别类型（如 id_card、invoice、general）
language：可选，多语言识别

示意请求格式：

请求URL：

python 复制代码

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

请求方式：

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：

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

python 复制代码

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

python 复制代码

# 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}
    # 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)

四、识别效果示例

五、常见优化技巧

清晰图片优先

模糊、倾斜、反光的图片识别率低，建议先做简单预处理。
裁剪或分区识别

对身份证、发票等图片按区域识别，可提高精度。
批量或异步处理

对多张图片，可使用队列或多线程异步调用 API。
错误处理

网络异常、识别失败或 API 错误码都需处理，保证程序稳定。

六、在线体验与多语言文档

在线体验：https://market.shiliuai.com/general-ocr
文档支持 Python、Java、PHP、C# 等多语言示例
提供身份证识别、发票识别、通用文字识别等多种接口

七、总结

本文介绍了 Python 调用 OCR API 的完整流程，包括：

注册 API 并获取密钥
Python 依赖安装及图片准备
API 请求示例及识别结果处理
图片优化和错误处理技巧
在线体验与文档参考

通过 OCR API，你可以快速将文字识别能力集成到网站、桌面应用或移动端应用中，实现身份证识别、票据识别、文档扫描等多场景需求。