使用 Google OCR 服务的正确姿势

文档文本识别现在已经成为一个常见需求，经过调研，Google OCR 的识别准确率最高，信息也最全面，可以精确到每个字符，可以将每个字符的矩形点准确的给出，相对于科大讯飞只能给出单词的矩形要更有优势，下面就来说下如何使用 Google OCR 的服务。

0、必要条件

必要条件：Google账号、visa信用卡、科学上网；

  • Google 账号现在 China 不太好申请，尽量申请一个，可以使用很多的 Google 服务。

  • visa信用卡，其他国际信用卡也可以，不过 visa 卡很容易就可以申请到，支持的银行很多，推荐北京银行，终身免年费。

  • 科学上网，如果你不能科学上网，那么下面的就不用看了，所有一切都是建立在可以科学上网的前提下。

1、进入 Google Cloud 控制台

这个地址可以进入：https://console.cloud.google.com/

通过 google 账号进入之后的第一件事情就是让你绑定结算账户，这时就要用到上面说的 visa 信用卡了，当然不绑定也是可以的，不过有些服务不可以使用。

绑定完成后，此时会提醒你创建一个项目，如果你是新用户，你新创建的项目中会存入 $300 赠金，作为起始资金，可以试用一些付费产品，很多人用这个免费额度创建一个虚拟机来科学上网，增金有效期用一年。

绑定结算账户时会扣 $1 的服务费，如果你开启了一些不可以使用赠金的服务，不用的话要记得关闭，否则可能产生持续扣费，我因此损失了一些港币，所以在这里特别说明一下。

创建的项目就是一个大集合，里面包含了你可以使用的一切服务，所有的服务都是基于这个项目的，我们的示例也将在一个名为 test 的项目中进行演示。

2、OCR服务简单介绍和基本概念
  • OCR

就是文档文字识别服务，你将图片传上去，然后 Google 给你识别里面的文字，将识别结果告诉你，这里我们以手写识别为例。

我们的案例中将要识别的就是下面这张图片（装作是为了测试OCR才写这么丑的字）：

下面是 Google OCR 的识别结果：

1
2
3
4
with the development of network, the Internet hos
become an essential tool for not only entertainment
but also study, So, on lae learning has been an
appealing topic .

可以看到最终的识别结果准确度很高。

  • Google OCR 服务费用

查看 官方定价。

收费还是很便宜的，并且有免费额度，我们只是做演示和测试，免费额度足够用了。

在 IAM 和管理页面的配额中，可以管理 API 的调用量，设置调用频率和次数。

  • Google OCR 服务验证方式

API Key（密钥）：部分 API 支持此方式，就是在请求的 URL 后面加一个 key=xxxx 的参数，Google 推荐当你的使用主体是人时使用此方式，也就是将密钥分发给某些开发者等。

Authorization（不记名令牌）：这种方式是在请求头中加入 Authorization 验证，Google 推荐此方式使用在服务器中或者应用和应用之间的相互验证。

ADC（默认凭证）：如果你不想使用发送请求的方式，可以直接使用 Google 提供的代码包，里面会包含 Google 的很多服务，内部已经封装好了请求代码，开发者只需要调用相应方法和函数就可以完成任务，ADC 要求将一些密钥数据配置到环境变量，代码包会去自动读取这些数据，因此代码中不需要出现密钥相关代码。

下面就来介绍如何使用这三种方式完成对上面图片的 OCR 识别。

准备 test 项目

首先创建好一个名为 test 的项目，如下图：

然后依次点击【导航菜单】–>【API和服务】–>【库】，这里可以搜索google 提供的所有服务，如下图：

接下来在搜索框中搜索【vision】，可以看到一个 Cloud Vision API 项，点击进入，出现如下图：

点击【启用】按钮即可开启 Vision 服务，启用之后会进入到 Vision 服务的详情页，会提示你需要创建凭据才可以使用此服务，如果看到提示，直接点击跳转即可，如果没有，按照【导航菜单】–>【API和服务】–>【凭据】进入到凭据创建页面。

至此准备工作就完成了，接下来就可以开始创建验证凭据操作了。

接下来的图片中所有的 key 都会以显式的方式展示，演示结束后 test 项目会被我删掉，所以暴露也无妨。

API Key

API Key 可以理解为我们常用的 Token 验证，生成一个验证串，然后接口直接使用这个串完成验证并使用服务，他的生成很简单，如下图：

创建完成之后，放入下面 curl 的 key 参数中即可发起请求，不过这个请求是需要科学上网的，所以使用 Google 的一切前提是可以科学上网。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
curl -X POST \
  'https://vision.googleapis.com/v1/images:annotate?key=AIzaSyA3DpmipXrTIvxdS0PNHblZhK3vx-nZJb8' \
  -H 'Accept: */*' \
  -H 'Accept-Encoding: gzip, deflate' \
  -H 'Cache-Control: no-cache' \
  -H 'Connection: keep-alive' \
  -H 'Content-Length: 375' \
  -H 'Content-Type: application/json' \
  -H 'Host: vision.googleapis.com' \
  -H 'User-Agent: PostmanRuntime/7.20.1' \
  -H 'cache-control: no-cache' \
  -d '{
  "requests":[
    {
      "image":{
        "source":{
          "imageUri":
            "https://xxxxxxx/images/ocr.jpg"
        }
      },
      "features":[
        {
          "type":"DOCUMENT_TEXT_DETECTION",
          "maxResults":1
        }
      ],
      "imageContext": {
      	"languageHints":["en"]
      }
    }
  ]
}'

使用 postman 请求如果正确拿到返回结果，那么就成功了，如果对速度要求不高，简单测试，那么这种方式已经足够用了。

接下来是比较复杂的两种方式。

Authorization 和 ADC 都是基于服务账号的验证方式，Authorization 比较灵活，不需要安装额外的代码，ADC 有速度优势，但是需要安装额外的 google 代码包。

所以这里要做的第一步就是创建服务账号密钥，这个密钥在后面的两种方式中都要用到。

创建服务账号密钥

还是刚刚创建 API密钥 的页面，点击创建凭据，可以看到【服务账号密钥】项，点击打开新页面，如下图：

这里选择创建一个新的服务账号，然后指定名称，指定账号角色，这个角色可以限制账号所拥有的权限，这里我们选择项目所有者，接着点击创建，会下载一个 json 文件。

json 文件的具体内容对我们来说不需要了解，只需要知道这个文件很重要即可，下面两种验证方式都会用到此文件。

Authorization

此种方式和 API Key 差不多，也是要发请求完成，但不是添加 key 参数，而是在请求头中加入 Authorization 验证字段，下面是创建步骤：

首先在前面的图中可以发现右上角头像左边有一个命令行图表，意思是激活 Cloud Shell，Google 为每一个开发者提供一个云端Shell，你可以将其当做一个简单的命令行服务器使用，并且 Google 会为你保存快照，上面的文件不会丢失，非常方便，我们的创建操作就在这上面进行，如下图，点击之后出现 shell，配置需要一段时间，耐心等待。

接下来就在这里安装 gcloud 工具即可，依次输入下面的命令

1
2
3
4
5
curl https://sdk.cloud.google.com | bash
# 重启 shell：
exec -l $SHELL
# 运行 gcloud init 来初始化 gcloud 环境：
gcloud init

gcloud 安装完成后，需要将上一步创建服务账号时下载的 json 文件上传至 shell 中，通过上图的右边中间位置可以看到三个点的图标，点击即可看到上传文件按钮，上传完成后 ls 查看文件上传是否成功，如图：

接下里开始生成访问令牌：

1
2
3
4
5
# 对服务帐号进行身份验证
gcloud auth activate-service-account --key-file test-b04bc33e12ad.json

# 使用服务帐号获取授权令牌，该命令会返回一个访问令牌值
gcloud auth print-access-token

如图，将访问令牌记录下来：

创建完成之后，放入下面 curl 中即可发起请求：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
curl -X POST \
  https://vision.googleapis.com/v1/images:annotate \
  -H 'Accept: */*' \
  -H 'Accept-Encoding: gzip, deflate' \
  -H 'Authorization: Bearer ya29.c.KmO2B0wzpHUfOBvaRhsh1B9AzuZVqbicC2W_Kbxa7ByKSnb_pH0dvhnbTJRU9R0OZzc72u_2KK-KxpJtI7waol13K8yxGn1DRfzjxwrl1n1vBBcmlT3CtUYfO20k0uvIUfzh01k' \
  -H 'Cache-Control: no-cache' \
  -H 'Connection: keep-alive' \
  -H 'Content-Length: 375' \
  -H 'Content-Type: application/json' \
  -H 'Host: vision.googleapis.com' \
  -H 'User-Agent: PostmanRuntime/7.20.1' \
  -H 'cache-control: no-cache' \
  -d '{
  "requests":[
    {
      "image":{
        "source":{
          "imageUri":
            "https://xxxxxxx/images/ocr.jpg"
        }
      },
      "features":[
        {
          "type":"DOCUMENT_TEXT_DETECTION",
          "maxResults":1
        }
      ],
      "imageContext": {
      	"languageHints":["en"]
      }
    }
  ]
}'

此种方式的速度和 API Key 方式速度差不多，因为都是先发请求给 Google，然后 Google 再去拿图片文件进行解析，所以会慢一些，下面 ADC 方式的速度可以提高一倍，推荐使用 ADC 方式，下面说下 ADC 方式怎么做。

ADC

ADC 也是建立在服务账号的基础上，只不过是直接使用服务账号的信息而不需要生成中间验证串，而且可以直接向 google 传输文件，所以速度上会快很多。

ADC 的核心是使用 google 提供的语言代码包，在这个代码包中已经封装了各种 API 服务，我们这里使用 Node.js 编写一小段代码，需要使用 @google-cloud/vision 包，然后需要设置环境变量，因为Google 代码包要从环境变量中读取验证信息，这个环境变量就是指定创建服务账号时下载的 json 文件位置：

1
export GOOGLE_APPLICATION_CREDENTIALS=/User/mac/Downloads/test-b04bc33e12ad.json

设置好环境变量之后，创建一个项目把下面代码帖进去，然后 npm i 安装好所需要的各种包，执行即可：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
const fs = require('fs')
const Koa = require('koa')
const Index = require('koa-router')
const vision = require('@google-cloud/vision').v1p3beta1

const app = new Koa()
const router = new Index()

router.post('/ocr', async ctx => {
  const client = new vision.ImageAnnotatorClient()
  const fileName = `/images.jpg`
  const request = {
    image: {
      content: fs.readFileSync(fileName)
    },
    feature: {
      languageHints: ['en-t-i0-handwrit']
    }
  }
  const [result] = await client.documentTextDetection(request)
  const fullTextAnnotation = result.fullTextAnnotation
  ctx.body = fullTextAnnotation.text
})

app.use(router.routes())
app.listen(10000)

执行上面的代码需要配置好科学上网代理，请求才能发出去，Google 封装好的 API 要比自己发请求优雅许多，并且安全性也更好。

总结

至此如何使用 Google OCR 服务的流程就全部结束了，整个过程参考了下面的文档，关于 Node.js 的使用请自行解决。

◀        
        ▶