一、百度文字识别接口概述

百度文字识别（OCR）是基于深度学习技术构建的云端服务，支持通用场景、高精度、表格识别等多种模式，可识别中文、英文、数字及混合文本。其核心优势在于：

1. 高精度识别：采用深度学习算法，对复杂排版、模糊文字的识别率显著优于传统OCR；
2. 多场景支持：覆盖身份证、银行卡、营业执照等20+种专用模板，及手写体、表格等通用场景；
3. 灵活调用方式：提供RESTful API接口，支持同步/异步请求，可与Python等语言无缝集成。

开发者需在百度智能云控制台创建OCR应用，获取API Key和Secret Key，用于生成访问令牌（Access Token）。令牌有效期为30天，需定期刷新。

二、Python调用前的准备工作

1. 环境配置

• Python版本：建议使用3.6+，避免兼容性问题；
• 依赖库：

  pip install requests base64 json

  若需处理图片，可安装Pillow：

  pip install pillow

2. 令牌生成逻辑

通过HTTP请求获取令牌的核心代码：

import requests
import base64
import json
def get_access_token(api_key, secret_key):
    auth_url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={api_key}&client_secret={secret_key}"
    response = requests.get(auth_url)
    if response.status_code == 200:
        return response.json().get("access_token")
    else:
        raise Exception(f"获取令牌失败: {response.text}")

三、核心接口调用流程

1. 通用文字识别（基础版）

请求参数说明

参数名	类型	必填	描述
image	string	是	图片的base64编码或URL
recognize_granularity	string	否	识别粒度（big/small）
language_type	string	否	语言类型（CHN_ENG等）

完整调用示例

import base64
import requests
import json
def ocr_general(access_token, image_path):
    # 读取图片并转为base64
    with open(image_path, 'rb') as f:
        image_data = base64.b64encode(f.read()).decode('utf-8')
    # 构造请求URL
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={access_token}"
    # 设置请求头
    headers = {
        'Content-Type': 'application/x-www-form-urlencoded'
    }
    # 构造请求体
    data = {
        'image': image_data,
        'language_type': 'CHN_ENG'
    }
    # 发送POST请求
    response = requests.post(url, headers=headers, data=data)
    if response.status_code == 200:
        return response.json()
    else:
        raise Exception(f"请求失败: {response.text}")
# 使用示例
api_key = "your_api_key"
secret_key = "your_secret_key"
token = get_access_token(api_key, secret_key)
result = ocr_general(token, "test.png")
print(json.dumps(result, indent=2, ensure_ascii=False))

2. 高精度识别（进阶版）

适用于对识别准确率要求极高的场景，如合同、文献等。区别于基础版：

• 接口路径：/ocr/v1/accurate_basic
• 请求参数增加char_type（中英文混合/纯英文）
• 单张图片处理时间约500ms（基础版约200ms）

3. 表格识别（专项版）

针对Excel式表格结构，返回JSON格式的行列数据。关键参数：

• table_flag：是否识别表格结构（1为是）
• result_type：返回格式（json/excel）

四、错误处理与优化策略

1. 常见错误码解析

错误码	含义	解决方案
110	Access Token无效	检查令牌是否过期，重新生成
111	缺少必填参数	核对请求体是否包含image字段
112	图片编码错误	确保base64编码不包含换行符
113	图片尺寸过大	压缩图片至<4MB，分辨率<4096px

2. 性能优化建议

• 批量处理：通过异步接口（/ocr/v1/general_batch）上传多张图片，减少网络开销；
• 预处理图片：使用OpenCV调整对比度、去噪，提升模糊文字识别率；
• 缓存令牌：将令牌存储在Redis等缓存中，避免频繁请求；
• 限流控制：百度OCR免费版QPS限制为5，付费版可达50，需通过time.sleep()控制请求频率。

五、实际应用场景案例

1. 身份证信息提取

def extract_id_card_info(access_token, image_path):
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/idcard?access_token={access_token}"
    with open(image_path, 'rb') as f:
        image_data = base64.b64encode(f.read()).decode('utf-8')
    data = {
        'image': image_data,
        'id_card_side': 'front'  # front:正面, back:反面
    }
    response = requests.post(url, data=data)
    return response.json()

2. 发票信息结构化

结合/ocr/v1/vat_invoice接口，可提取发票代码、号码、金额等关键字段，自动完成财务录入。

六、安全与合规注意事项

1. 数据隐私：避免上传含个人敏感信息的图片至测试环境；
2. 令牌保护：切勿将API Key和Secret Key硬编码在客户端代码中；
3. 日志脱敏：记录请求日志时，对图片内容做模糊处理；
4. 合规使用：严格遵守百度智能云服务条款，不得用于非法用途。

通过本文的详细指导，开发者可快速掌握Python调用百度文字识别接口的核心方法，并结合实际场景进行优化。建议从免费版开始测试，逐步根据业务需求升级至付费套餐，以平衡成本与性能。