VBA调用百度智能云的文字识别获取图片中的数字

平时经常需要把相片中的文字转换为可编辑的文字。

百度的文字识别可以让C#、Python等语言调用。我把它整合到了API封装库了。

API封装库的下载和部署，请参考下帖：

https://www.cnblogs.com/ryueifu-VBA/p/10128063.html

下面我演示一下，如何在VBA中调用API封装库中的Image2Character函数，实现了提取相片中的数据。

在Excel VBA中添加外部引用API和正则表达式。

VBA调用百度智能云的文字识别获取图片中的数字

模块中的代码如下：

Private S As String
Sub GetData()
    Dim B As New API.Baidu
    Dim Result As String
    S = B.Image2Character(imagepath:="E:粉煤灰2.jpg")
    Debug.Print S
End Sub
Sub Split()
    Dim Reg As RegExp, MC As MatchCollection, M As Match
    Set Reg = New RegExp
    With Reg
        .Global = True
        .Pattern = Chr(34) & "([0-9.]+)mg/L" & Chr(34)
        Set MC = .Execute(S)
        For Each M In MC
            Debug.Print M.SubMatches(0)
        Next M
    End With
End Sub

GetData负责把电脑中的一个图片中的文字提取出来，赋给变量S。

Split负责把变量S根据指定的模式进行分解。

本例处理的是一张化工物质含量检测的科研图片，该图片中含有L22和L23两个样品的数据，我关心的是Conc这一列，也就是单位是mg/L的。

VBA调用百度智能云的文字识别获取图片中的数字

当我执行了GetData过程以后，立即窗口结果：

VBA调用百度智能云的文字识别获取图片中的数字

可以看到变量S是一个JSON字符串，定义了每一个单词在图片中的位置（Location）、宽度高度等，另外键Words对应的就是要提取的文本了。那么这么长一个JSON包含很多mg/L结尾的数字，如何提取出来呢？可以用JavaScript的功能，也可以用正则表达式。此处简单地用模式 "([0-9.]+)mg/L" 就可以获取全部。

继续执行Split方法，立即窗口打印出纯数字。接下来把这些粘贴到单元格中就可以进行处理了。

VBA调用百度智能云的文字识别获取图片中的数字

很多情况下，用户想得到的是图片中的表格内容。但是利用文字识别功能得到是是一个很长的字符串，破坏了原来表格的结构。不过没关系，利用JSON或正则表达式还可以还原为矩阵形式的表格，这属于字符串处理的内容。

另外，百度的这个功能也支持网络上图片的文字识别，例如https://i.cnblogs.com/assets/adminlogo.png中的图片为：

VBA调用百度智能云的文字识别获取图片中的数字

把这个路径传递到Image2Character函数中，可以看到运行后S的值中包含“博客园”。

VBA调用百度智能云的文字识别获取图片中的数字

从上面的输出结果可以看到，输出的JSON字符串中包含location这些位置信息。不过这个函数可以让用户选择是否需要位置信息。

另外，还可以事先传达给程序，这个图片中是哪一国家的文字，默认是CHN_ENG。如果是中英文以外的图片，必须传递参数。

可以指定哪些参数，请参考百度文字识别的技术文档：

https://cloud.baidu.com/doc/OCR/s/tk3h7y2aq

假设我有一张日语的图片。

VBA调用百度智能云的文字识别获取图片中的数字

代码应该修改为

Sub GetData()
    Dim B As New API.Baidu
    Dim Result As String
    S = B.Image2Character(imagepath:="D:TempJP.jpg", Containslocation:=False, Options:="&language_type=JAP")
    Debug.Print S
End Sub

注意，Options参数必须用&开头。

再次运行上述程序，识别结果为：

{"log_id": 4725858224074987814, "words_result_num": 11, "words_result": [{"words": "RANDEN "}, {"words": "等持院"}, {"words": "B 8 "}, {"words": "立命館大学衣笠キャンパス前"}, {"words": "Ritsumeikan University "}, {"words": "りょうあんし"}, {"words": "とうじいん"}, {"words": "きたのはくばいちょう"}, {"words": "Ryoanji "}, {"words": "りめいんだいがくきがさきゃんすまえ"}, {"words": "B 9 "}]}

如果不传递language_type，那么程序不知道图片里有日文，结果就完全不一样了。

VBA调用百度智能云的文字识别获取图片中的数字

相关推荐