Python 使用 Google 雲端硬碟 API 自動進行文字辨識教學

這裡示範如何在 Python 中使用 Google 雲端硬碟 API，自動上傳圖片、進行文字辨識、下載結果。

在上一篇的 Google 雲端硬碟文字辨識的文章中，我們介紹了以手動的方式上傳圖片，讓 Google 幫忙自動取出圖片中的文字，雖然省去了大量的打字工作，但是若遇到圖片數量很龐大時，以手動上傳還是很吃力的。

啟用 Google 雲端硬碟 API

參考 Google Developers 的官方文件，啟用 Google 雲端硬碟 API。

Step 1
開啟 Google Drive API 註冊網頁，選擇「建立專案」，點選同意服務條款，然後點選「同意並繼續」。

Step 2
啟用 API 之後，點選「前往憑證」。

Step 3
憑證類型選擇「Google Drive API」，API 的呼叫來源選擇「其他使用者介面」，存取資料則選擇「使用者資料」。

Step 4
填入名稱，由於是自己用的，所以隨便取一個名字就好了。

Step 5
設定同意畫面的 Email 與名稱，這裡同樣自己隨便取一個名字即可。

Step 6
下載 JSON 格式的憑證檔案，下載後儲存為 client_id.json，這個檔案在之後的 Python 程式執行時會需要用到。下載完憑證之後，點選「完成」。

Step 7
這裡可以查看與管理目前已經建立的所有憑證，若憑證不用時就可以在這裡刪除。

安裝 Google Client Library

Google 所提供的 API Client Libraries 可以協助開發者加速程式的開發，請用 pip 安裝：

# Python 2
pip install --upgrade google-api-python-client

# Python 3
pip3 install --upgrade google-api-python-client

Python 程式碼

開發程式之前，請先參考 Google Developers 官方文件所提供的 Python 範例，看懂之後再把程式碼改成自動上傳圖片、下載文字檔的 Python 程式，以下是完整的程式碼。

#!/usr/bin/python3
from __future__ import print_function
import httplib2
import os
import io

from apiclient import discovery
from oauth2client import client
from oauth2client import tools
from oauth2client.file import Storage
from apiclient.http import MediaFileUpload, MediaIoBaseDownload

try:
  import argparse
  flags = argparse.ArgumentParser(parents=[tools.argparser]).parse_args()
except ImportError:
  flags = None

SCOPES = 'https://www.googleapis.com/auth/drive'
CLIENT_SECRET_FILE = 'client_id.json'
APPLICATION_NAME = 'Python OCR'

def get_credentials():
  """取得有效的憑證
     若沒有憑證，或是已儲存的憑證無效，就會自動取得新憑證

     傳回值：取得的憑證
  """
  credential_path = os.path.join("./", 'google-ocr-credential.json')
  store = Storage(credential_path)
  credentials = store.get()
  if not credentials or credentials.invalid:
    flow = client.flow_from_clientsecrets(CLIENT_SECRET_FILE, SCOPES)
    flow.user_agent = APPLICATION_NAME
    if flags:
      credentials = tools.run_flow(flow, store, flags)
    else: # Needed only for compatibility with Python 2.6
      credentials = tools.run(flow, store)
    print('憑證儲存於：' + credential_path)
  return credentials

def main():

  # 取得憑證、認證、建立 Google 雲端硬碟 API 服務物件
  credentials = get_credentials()
  http = credentials.authorize(httplib2.Http())
  service = discovery.build('drive', 'v3', http=http)

  # 包含文字內容的圖片檔案（png、jpg、bmp、gif、pdf）
  imgfile = 'sample.jpg'

  # 輸出辨識結果的文字檔案
  txtfile = 'output.txt'

  # 上傳成 Google 文件檔，讓 Google 雲端硬碟自動辨識文字
  mime = 'application/vnd.google-apps.document'
  res = service.files().create(
    body={
      'name': imgfile,
      'mimeType': mime
    },
    media_body=MediaFileUpload(imgfile, mimetype=mime, resumable=True)
  ).execute()

  # 下載辨識結果，儲存為文字檔案
  downloader = MediaIoBaseDownload(
    io.FileIO(txtfile, 'wb'),
    service.files().export_media(fileId=res['id'], mimeType="text/plain")
  )
  done = False
  while done is False:
    status, done = downloader.next_chunk()

  # 刪除剛剛上傳的 Google 文件檔案
  service.files().delete(fileId=res['id']).execute()

if __name__ == '__main__':
  main()

程式碼的上半部大致上跟官方的範例相同，只不過是修改下方的操作部份，這裡的技巧就是將圖檔上傳為 Google 文件檔，讓 Google 自動進行文字辨識，接著再將該文件下載為文字檔，這樣就可以取得辨識的結果。

把上面這段 Python 程式碼儲存為 google_ocr.py，然後把要進行辨識的圖片儲存為 sample.jpg，這裡我用這張圖片作為示範。

接著就可以執行 Python 程式進行辨識了：

python3 google_ocr.py

第一次執行時，會跳出一個網頁，取得 Google 雲端硬碟的存取權限，首先選擇要使用的 Google 帳戶。

點選「允許」，讓程式取得自己 Google 雲端硬碟的存取權限。

取得授權之後，程式就會自動將圖片上傳至 Google 雲端硬碟進行文字辨識、下載辨識結果，最後自動將上傳至 Google 雲端硬碟上的文件刪除，辨識的結果會儲存至 output.txt 這個文字檔案中。

以這個例子來說，辨識的結果很不錯。

本篇示範以 Google 雲端硬碟 API 自動辨識單張圖檔，而有了這個基本的 Python 程式碼之後，只要再加上簡單的迴圈控制，就可以自動處理大量的圖片文字辨識問題，對於有大量資料需要整理的人來說，非常實用。

參考資料：tanaike、google-ocr-python、gdrive