Lernen Sie Python, um das Andocken der Qiniu Cloud-Schnittstelle zu implementieren und Bildtexterkennungs- und Extraktionsfunktionen zu realisieren

Lernen Sie Python, um das Andocken der Qiniu Cloud-Schnittstelle zu implementieren und Bildtexterkennungs- und -extraktionsfunktionen zu realisieren.

Mit der Entwicklung künstlicher Intelligenz sind die Bildtexterkennung und -extraktion zu einer wichtigen Technologie geworden. Bei der Realisierung dieser Technologie bietet die Qiniu Cloud Platform eine praktische und schnelle Schnittstelle, die es Entwicklern ermöglicht, die Erkennung und Extraktion von Bildtexten einfach zu realisieren. In diesem Artikel wird erläutert, wie Sie mithilfe der Python-Sprache eine Verbindung zur Qiniu Cloud-Schnittstelle herstellen und entsprechende Codebeispiele bereitstellen.

Zuerst müssen wir ein Konto auf der Qiniu Cloud-Plattform erstellen und den entsprechenden API-Schlüssel erhalten. Nachdem das Konto erstellt wurde, können wir den Zugriffsschlüssel und den geheimen Schlüssel in der Qiniu Cloud-Konsole finden. Dies sind die Schlüssel, die wir für die Verbindung mit der Qiniu Cloud-Schnittstelle verwenden müssen.

Als nächstes müssen wir Qiniu Cloud SDK für Python installieren, das mit dem Befehl pip installiert werden kann:

pip install qiniu

Nachdem die Installation abgeschlossen ist, können wir mit dem Schreiben von Code beginnen. Zuerst müssen wir die entsprechende Bibliothek importieren:

import qiniu

access_key = 'YOUR_ACCESS_KEY'
secret_key = 'YOUR_SECRET_KEY'
bucket_name = 'YOUR_BUCKET_NAME'

Nach dem Import der Bibliothek müssen wir access_key, Secret_key und Bucket_name durch die Werte ersetzen, die wir auf der Qiniu Cloud Platform erhalten haben.

Als nächstes können wir eine Funktion zum Aufrufen der Qiniu Cloud-Schnittstelle schreiben, um die Funktion der Bildtexterkennung und -extraktion zu realisieren.

def recognize_text(url):
    auth = qiniu.Auth(access_key, secret_key)
    url = qiniu.urlsafe_base64_encode(url)
    data = {'url': url}
    token = auth.sign_request(data)

    headers = {'Content-Type': 'application/json',
               'Authorization': 'Qiniu %s' % token}

    url = 'http://ai.qiniuapi.com/v1/ocr/recognize_text'
    response = requests.post(url, headers=headers, json=data)
    result = response.json()

    if 'error' in result:
        print('Error:', result['error'])
    else:
        text = result['result']
        return text

In dieser Funktion erstellen wir zunächst ein Autorisierungsobjekt mithilfe der Klasse qiniu.Auth und übergeben access_key und Secret_key als Parameter. Anschließend kodieren wir Base64 die URL des zu identifizierenden Bildes und übergeben sie als Parameter.

Als nächstes generieren wir eine Signatur über die Funktion auth.sign_request und fügen die entsprechenden Authentifizierungsinformationen in die Header ein. Anschließend können wir die Anforderungsbibliothek verwenden, um eine POST-Anfrage zu senden und die erkannten Ergebnisse in das Wörterbuchformat zu konvertieren. Abschließend stellen wir fest, ob im zurückgegebenen Ergebnis eine Fehlermeldung enthalten ist. Wenn ja, wird die Fehlermeldung ausgegeben. Andernfalls wird der erkannte Text zurückgegeben.

Zu diesem Zeitpunkt haben wir das Andocken der Qiniu Cloud-Schnittstelle und das Schreiben von Bildtexterkennungs- und Extraktionsfunktionen abgeschlossen.

Als nächstes können wir eine Hauptfunktion schreiben, um unseren Code zu testen:

def main():
    url = 'http://your-image-url.com/image.jpg'
    text = recognize_text(url)
    print('Recognized text:', text)


if __name__ == '__main__':
    main()

In dieser Hauptfunktion übergeben wir die URL eines Bildes als Parameter an die Funktion „recognize_text“ und geben das zurückgegebene Textergebnis aus.

Es ist zu beachten, dass wir „your-image-url.com/image.jpg“ durch die URL des Bildes ersetzen müssen, das wir identifizieren möchten.

Endlich können wir unseren Code ausführen und die Ergebnisausgabe auf der Konsole sehen.

Durch die oben genannten Schritte haben wir den Prozess der Verwendung von Python zum Implementieren des Andockens der Qiniu Cloud-Schnittstelle und zum Realisieren von Bildtexterkennungs- und Extraktionsfunktionen abgeschlossen. Ich hoffe, dieser Artikel hat allen geholfen und ermöglicht es jedem, die Bilderkennungsfunktion der Qiniu Cloud Platform bequemer zu nutzen.

Das obige ist der detaillierte Inhalt vonLernen Sie Python, um das Andocken der Qiniu Cloud-Schnittstelle zu implementieren und Bildtexterkennungs- und Extraktionsfunktionen zu realisieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!