tkinter+百度文字识别api开发文字识别工具，自制Python图片文字识别神器！

一、为什么要自制识别工具

在日常工作和生活中，我们常常会遇到需要处理大量图片文字的情况。像我，作为一名博主，经常需要整理各种资料，其中不少都是图片形式，里面的文字要是靠手动录入，那可太费时间和精力了。

一开始，我尝试使用市面上已有的图片文字识别工具，可它们或多或少都存在一些问题：

• 有的工具虽然功能强大，但价格昂贵，对于我这种只是偶尔有大量识别需求的人来说，购买会员或按次付费实在不划算；
• 有的免费工具又限制重重，比如每天只能识别一定数量的图片，或者对图片的大小、格式有严格要求，这让我在处理一些特殊图片时总是碰壁 。

而且，这些通用工具往往不能完全满足我的个性化需求。

我想要一个能快速批量识别图片文字，并且可以直接将识别结果导出为 txt 文本，方便我后续编辑整理的工具

既然找不到完全符合自己需求的工具，那不如自己动手，丰衣足食！于是，我决定利用 tkinter 和百度 api 来开发一款专属的图片文字识别工具。

二、技术原理大揭秘

2.1、百度 API：核心识别大脑

这款工具的核心 “大脑” 就是百度文字识别 API，它基于先进的深度学习算法 ，就像一个知识渊博的学者，能够快速准确地识别出图片中的文字。

其优势十分显著：

• 识别率超高，无论是清晰的印刷体，还是略带潦草的手写体，它都能精准识别，极大地减少了识别错误，让我在处理资料时更加放心。
• 支持多种语言，不管是中文、英文，还是其他常见语种，都不在话下，满足了我处理各种多语言资料的需求。

要使用百度文字识别 API，首先得申请并获取 API 密钥。具体步骤如下：

1. 登录百度 AI 开放平台（https://console.bce.baidu.com/ai/#/ai/ocr/app/create），如果你已有百度账号，直接登录即可；若没有，需先注册一个。
2. 进入控制台，在众多 AI 服务中找到 “文字识别” 选项。
   点击 “创建应用”，填写应用名称、应用描述等信息，然后提交创建。
3. 创建成功后，在应用详情页面就能看到 API Key 和 Secret Key，这两个密钥就是打开识别大门的钥匙，一定要妥善保管 。

2.2、Tkinter：构建交互桥梁

Tkinter 在工具开发中扮演着 “交互桥梁” 的重要角色，它是 Python 的标准 GUI 库，让我能轻松创建出图形界面，把复杂的代码操作转化为直观的图形交互。

利用 Tkinter，我创建了各种图形界面元素。比如按钮，用户点击 “选择图片” 按钮，就能从本地文件中选择需要识别的图片；点击 “开始识别” 按钮，工具就会调用百度 API 进行文字识别；点击 “导出结果” 按钮，识别结果就能以 txt 文本的形式保存到本地。还有文本框，用于显示识别结果，方便用户查看和编辑。通过 Tkinter，这些界面元素被有序地组合在一起，形成了一个操作便捷、界面友好的工具 ，让即使不太懂技术的用户也能轻松上手。

三、一步步教你开发

3.1、开发前的准备工作

在开始开发前，我们需要准备好相应的开发环境。

1. 确保你的电脑上安装了 Python，建议安装 Python 3.x 版本，可从 Python 官方网站（https://www.python.org/downloads/ ）下载。在安装过程中，注意勾选 “Add Python to PATH” 选项，这样就能在命令行中直接使用 Python 命令了。如果下载和安装过程较慢，可以尝试更换官方镜像源或使用下载工具进行加速 。
2. 安装好 Python 后，还需要安装一些必要的库。其中，tkinter是 Python 的标准 GUI 库，一般情况下，安装 Python 时会自动安装。若没有安装，可以通过命令pip install tkinter进行安装。
3. 调用百度 API 则需要安装requests库，在命令行中输入pip install requests即可完成安装 。

在安装这些库的过程中，可能会遇到网络问题导致安装失败，此时可以尝试更换 pip 源，比如使用清华大学的镜像源，在安装命令中加上-i https://pypi.tuna.tsinghua.edu.cn/simple参数，就能提高安装成功率。

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

3.2、 界面设计

使用tkinter创建图形界面，以下是创建窗口、按钮、文件选择框等界面元素的核心代码：

import tkinter as tk
from tkinter import filedialog, scrolledtext
import requests
import base64


# 百度API配置（需要用户自己申请）
# 申请地址：https://console.bce.baidu.com/ai/#/ai/ocr/app/create
API_KEY = ''
SECRET_KEY = ''
OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"


class OCRApp:
    def __init__(self, master):
        """OCR应用主界面初始化

        Args:
            master: Tkinter根窗口对象
        """
        # 新增文件路径列表属性
        self.file_list_paths = []  # 存储用户选择的完整文件路径

        self.master = master
        master.title("OCR文字识别工具")

        # 顶部工具栏
        btn_frame = tk.Frame(master)
        btn_frame.pack(pady=10, padx=10, fill=tk.X)
        # 功能按钮：选择文件/开始识别/导出结果
        tk.Button(btn_frame, text="选择文件", command=self.select_image).pack(side=tk.LEFT, padx=5)
        tk.Button(btn_frame, text="开始识别", command=self.recognize_text).pack(side=tk.LEFT, padx=5)
        tk.Button(btn_frame, text="导出结果", command=self.export_text).pack(side=tk.LEFT, padx=5)

        # 主布局（左右分割视图）
        main_paned = tk.PanedWindow(master, orient=tk.HORIZONTAL)
        main_paned.pack(fill=tk.BOTH, expand=True)

        # 左侧文件列表区域
        left_frame = tk.Frame(main_paned)
        self.file_listbox = tk.Listbox(left_frame, width=40)  # 显示文件名列表
        scroll_left = tk.Scrollbar(left_frame, orient=tk.VERTICAL)
        # 滚动条与列表框绑定
        self.file_listbox.config(yscrollcommand=scroll_left.set)
        scroll_left.config(command=self.file_listbox.yview)

        # 右侧识别结果区域
        right_frame = tk.Frame(main_paned)
        self.result_text = scrolledtext.ScrolledText(right_frame, width=70, wrap=tk.WORD)  # 带滚动条的文本区域

        # 布局组件
        self.file_listbox.pack(side=tk.LEFT, fill=tk.BOTH, expand=True)
        scroll_left.pack(side=tk.RIGHT, fill=tk.Y)
        self.result_text.pack(fill=tk.BOTH, expand=True)

        # 将左右面板添加到主分割窗口
        main_paned.add(left_frame)
        main_paned.add(right_frame)

在这段代码中，用tkinter构建界面，select_image函数用于打开文件选择对话框，让用户选择图片文件，并将选择的文件路径显示在文本框中。recognize_text函数负责获取文本框中的文件路径，然后调用识别函数对图片进行文字识别，这里的识别函数还未实现，后续会详细介绍。export_text函数用于将识别结果导出为 txt 文本。

tk.Button用于创建按钮，tk.Text用于创建文本框，pack方法用于布局这些界面元素 。

3.3、 百度 API 调用

调用百度 API 进行文字识别的代码如下：

  def get_access_token(self):
      """获取百度API访问令牌"""
      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)
      return response.json().get("access_token")

  def recognize_text(self):
      """执行OCR识别主逻辑"""
      if not hasattr(self, 'file_list_paths'):
          return

      self.result_text.delete(1.0, tk.END)

      for i, path in enumerate(self.file_list_paths):
          try:
              access_token = self.get_access_token()
              if not access_token:
                  raise Exception("认证失败，请检查API配置")

              # 读取图片并编码
              with open(path, "rb") as f:
                  image_data = base64.b64encode(f.read()).decode()

              # 调用OCR接口
              headers = {'Content-Type': 'application/x-www-form-urlencoded'}
              payload = {
                  'access_token': access_token,
                  'image': image_data,
                  'language_type': 'CHN_ENG'
              }
              response = requests.post(OCR_URL, headers=headers, data=payload)
              result = response.json()

              # 显示结果
              if 'words_result' in result:
                  texts = [item['words'] for item in result['words_result']]
                  # 添加结果分隔标识
                  self.result_text.insert(tk.END, f"\n▶ 文件：{self.file_listbox.get(i)}\n")
                  self.result_text.insert(tk.END, '\n'.join(texts) + '\n')
          except Exception as e:
              self.result_text.insert(tk.END, f"\n▶ 文件：{self.file_listbox.get(i)} 识别失败\n{str(e)}\n")

在这段代码中，get_access_token方法，将传入的API_KEY和SECRET_KEY获取得到access_token。recognize_text函数用于读取获取到的图片文件，并调用百度 API 的OCR_URL进行文字识别。如果识别成功，从返回结果中提取文字，并以换行符连接成字符串返回；如果识别失败或没有识别到文字，返回识别失败 。

为了提高识别效率，可以考虑使用多线程或异步编程，比如使用concurrent.futures模块中的ThreadPoolExecutor来创建线程池，并行处理图片识别任务，这样可以大大缩短批量识别的时间 。

3.4、 结果导出

将识别结果导出为 txt 文本的代码如下：

 def export_text(self):
     """导出识别结果到txt文件"""
     content = self.result_text.get("1.0", tk.END).strip()
     if not content:
         return

     file_path = filedialog.asksaveasfilename(
         defaultextension=".txt",
         filetypes=[("Text files", "*.txt"), ("All files", "*.*")]
     )

     if file_path:
         try:
             with open(file_path, "w", encoding="utf-8") as f:
                 f.write(content)
         except Exception as e:
             self.result_text.delete(1.0, tk.END)
             self.result_text.insert(tk.END, f"导出失败：{str(e)}")

在export_text函数中，首先获取所有图片的识别结果，然后使用open函数以写入模式打开file_path文件夹。遍历识别结果列表，将每个图片的识别结果写入文件中，并在每个结果前加上图片名称，以区分不同图片的识别内容 。

四、工具实测与效果展示

说了这么多，这个工具实际用起来到底怎么样呢？下面就带大家一起来实测一下 。当我打开这个工具时，映入眼帘的是简洁直观的界面，各个按钮和文本框布局合理，让人一目了然。

1. 点击 “选择文件” 按钮，我一次性选择了 3 张图片。

2. 接着，点击 “开始识别” 按钮，工具迅速响应，调用百度 API 对图片进行识别。短短几秒，所有图片的文字就识别完成了，速度非常快。在识别结果文本框中，清晰地展示了每张图片识别出的文字，准确率相当高。

3. 识别完成后，点击 “导出结果” 按钮，识别结果就会以 txt 文本的形式保存到本地。打开生成的 txt 文件，里面按照图片顺序，清晰地展示了每张图片的识别结果，方便我进行整理和编辑 。

五、完整代码

链接: https://pan.baidu.com/s/1l5rOsZMLRrt8WgoKWxcdeA?pwd=87vh 提取码: 87vh

六、写在最后

这款用 tkinter 开发、结合百度 api 的图片文字识别工具，操作简单、功能强大，能够高效地解决图片文字识别和批量处理的问题，为大家节省大量时间和精力。

而且，通过自己开发工具，我们能更深入地了解技术原理，还能根据实际需求不断优化和扩展功能。如果你对编程感兴趣，不妨参考本文的思路和代码，自己动手开发一个，说不定还能发现更多有趣的玩法和应用场景 。

我也非常期待大家能在留言区分享使用这款工具的体验和想法，比如在使用过程中遇到了哪些问题，有没有什么改进建议，或者你还希望增加哪些功能。让我们一起交流探讨，共同把这个工具变得更加完善 。