在 Python 中調用阿里云 OCR（Optical Character Recognition，光學字符識別）服務，通常需要使用阿里云的 SDK。OCR 服務屬于阿里云“視覺智能（Vision Intelligence）”產品線的一部分，調用時需通過 API 的方式實現。

以下是一個使用阿里云 Python SDK 調用 OCR 通用文字識別接口的基本示例，適用于支持返回坐標的 OCR 接口（如通用文字識別、卡證識別等），并展示如何獲取坐標信息：

---

? 前提條件

1. 開通服務：確保你已經在阿里云上開通了 OCR 服務。
2. 獲取 AccessKey：
   • 登錄 阿里云控制臺
   • 進入【AccessKey 管理】頁面，創建或獲取你的 AccessKeyId 和 AccessKeySecret
3. 安裝依賴包：

pip install aliyunsdkcore
pip install aliyunsdkgreen

注意：OCR 接口目前主要通過自定義調用阿里云 OpenAPI 實現，部分接口可能還在 Green 或 Vision 模塊中。

---

🧩 示例代碼（調用通用OCR識別并獲取坐標）

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.request import CommonRequest
import json# 初始化客戶端
client = AcsClient('<your-access-key-id>', '<your-access-key-secret>','cn-shanghai'  # OCR服務所在區域，根據實際情況填寫
)def ocr_recognize(image_url):request = CommonRequest()request.set_domain('ocr.cn-shanghai.aliyuncs.com')request.set_version('2021-07-07')request.set_action_name('RecognizeGeneralText')  # 使用通用OCR接口request.set_method('POST')# 設置請求參數request.add_query_param('Url', image_url)  # 圖片URL# 如果是上傳圖片二進制數據，可以使用 Body 參數傳入 Base64 編碼內容# request.add_body_params('ImageURL', image_url)response = client.do_action_with_exception(request)result = json.loads(response)return result# 示例調用
if __name__ == '__main__':image_url = "https://example.com/test_image.jpg"  # 替換為你的圖片URLresult = ocr_recognize(image_url)if result.get("Code") == "200":print("識別成功！")for item in result["Data"]["Result"]["Elements"]:text = item["Text"]box = item["Box"]  # 獲取坐標信息，格式為 [x1,y1, x2,y2, x3,y3, x4,y4]print(f"文字: {text}, 坐標: {box}")else:print("識別失敗:", result.get("Message"))

---

📌 關鍵說明

字段	含義
Text	識別出的文字內容
Box	文字所在的矩形框坐標，格式為 [x1, y1, x2, y2, x3, y3, x4, y4]，按順時針排列

---

🔁 支持的OCR接口（可根據需求替換 ActionName）

接口名	描述
RecognizeGeneralText	通用文字識別（支持坐標）
RecognizeIdCard	身份證識別
RecognizeBankCard	銀行卡識別
RecognizeBusinessLicense	營業執照識別
RecognizeInvoice	發票識別

你可以根據實際用途替換 set_action_name() 中的接口名稱，并查看對應文檔中返回字段結構。

---

📚 參考文檔

• OCR 官方文檔：https://help.aliyun.com/product/58629.html
• Python SDK 文檔：https://help.aliyun.com/document_detail/53090.html

---

根據你的需求，你希望在 Python 中調用阿里云的 OCR 服務，并返回識別文本的坐標信息。以下是一個簡潔的 Python 模板，用于調用阿里云 OCR 服務（基于阿里云 Content Moderation SDK），并獲取文本的坐標信息。模板將使用阿里云的通用文字識別接口，并確保返回的 JSON 響應中包含文本的邊界框（bounding box）坐標。

前提條件

1. 阿里云賬戶：確保你已注冊阿里云賬戶，并開通了 Content Moderation 服務（OCR 功能包含在內）。
2. AccessKey：獲取你的 AccessKey ID 和 AccessKey Secret（參考阿里云文檔：https://www.alibabacloud.com/help/en/ram/user-guide/create-an-accesskey-pair）。
3. SDK 安裝：安裝阿里云 Python SDK。
4. 環境：Python 3.x 環境，安裝必要的依賴庫。

安裝依賴

運行以下命令安裝阿里云 SDK：

pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-green

Python 模板代碼

以下是一個簡潔的 Python 腳本，用于調用阿里云 OCR 服務，識別圖片中的文本并返回坐標信息：

# -*- coding: utf-8 -*-
import json
import uuid
from aliyunsdkcore.client import AcsClient
from aliyunsdkgreen.request.v20180509 import ImageSyncScanRequestclass AliyunOCRAnalyzer:def __init__(self, access_key_id, access_key_secret, region_id="cn-shanghai"):"""初始化阿里云 OCR 客戶端"""self.client = AcsClient(access_key_id, access_key_secret, region_id)def recognize_text_with_coordinates(self, image_url):"""調用阿里云 OCR 服務，識別圖片文本并返回坐標"""try:# 創建 OCR 請求request = ImageSyncScanRequest()request.set_accept_format('JSON')# 設置任務參數task = {"dataId": str(uuid.uuid1()),"url": image_url,"extras": {"ocr": "all"  # 啟用通用文字識別}}# 配置請求request.set_content(json.dumps({"tasks": [task], "scenes": ["ocr"]}))# 發送請求并獲取響應response = self.client.do_action_with_exception(request)result = json.loads(response.decode('utf-8'))# 解析 OCR 結果if result.get("code") == 200 and result.get("data"):for task_result in result["data"]:if task_result.get("results"):for res in task_result["results"]:if res.get("scene") == "ocr" and res.get("suggestion") == "pass":ocr_data = res.get("details", [])for item in ocr_data:text = item.get("text", "")coordinates = item.get("locations", [])print(f"文本: {text}")print(f"坐標: {coordinates}")# 示例坐標格式: [{"x": 100, "y": 200, "width": 50, "height": 30}, ...]else:print(f"OCR 請求失敗: {result.get('msg', '未知錯誤')}")except Exception as e:print(f"錯誤: {str(e)}")def main():# 替換為你的 AccessKey 和圖片 URLaccess_key_id = "YOUR_ACCESS_KEY_ID"access_key_secret = "YOUR_ACCESS_KEY_SECRET"image_url = "https://example.com/test.jpg"  # 替換為實際圖片 URL# 初始化 OCR 分析器ocr_analyzer = AliyunOCRAnalyzer(access_key_id, access_key_secret)# 調用 OCR 并獲取坐標ocr_analyzer.recognize_text_with_coordinates(image_url)if __name__ == "__main__":main()

代碼說明

1. 命名：類名為 AliyunOCRAnalyzer，簡潔且反映了阿里云 OCR 分析功能。
2. 初始化：
   • 使用 AcsClient 初始化阿里云客戶端，需提供 AccessKey ID、AccessKey Secret 和區域 ID（默認 cn-shanghai）。
3. OCR 請求：
   • 使用 ImageSyncScanRequest 提交同步 OCR 任務。
   • 設置 scenes 為 ["ocr"] 以啟用文字識別。
   • extras 參數中的 ocr: all 表示使用通用文字識別。
4. 坐標返回：
   • 響應中的 locations 字段包含每個識別文本的邊界框坐標，格式通常為 [{"x": x, "y": y, "width": w, "height": h}, ...]。
   • 腳本解析 JSON 響應，提取文本和坐標信息。
5. 錯誤處理：捕獲可能的異常（如網絡錯誤或權限問題），并輸出錯誤信息。
6. 依賴：
   • 需要 aliyun-python-sdk-core 和 aliyun-python-sdk-green。
   • 圖片需通過 URL 提供（支持 HTTP/HTTPS 協議）。

使用方法

1. 配置 AccessKey：
   • 替換 YOUR_ACCESS_KEY_ID 和 YOUR_ACCESS_KEY_SECRET 為你的阿里云 AccessKey。
   • 可通過環境變量設置以提高安全性：

     import os
     access_key_id = os.environ['ALIBABA_CLOUD_ACCESS_KEY_ID']
     access_key_secret = os.environ['ALIBABA_CLOUD_ACCESS_KEY_SECRET']
     

2. 設置圖片 URL：
   • 將 image_url 替換為實際圖片的公開 URL（例如存儲在阿里云 OSS 或其他可訪問的服務器上）。
3. 運行腳本：
   • 執行腳本后，程序將輸出識別的文本及其對應的坐標信息。

示例輸出

假設圖片包含文本“歡迎使用阿里云”，輸出可能如下：

文本: 歡迎使用阿里云
坐標: [{"x": 50, "y": 100, "width": 200, "height": 40}]

注意事項

• 服務開通：確保已開通阿里云 Content Moderation 服務（參考：https://www.alibabacloud.com/help/en/content-moderation）。
• 圖片要求：
  • 支持 JPEG、PNG 等常見格式。
  • 圖片大小建議小于 10MB，分辨率適中以保證識別效果。
• 坐標格式：阿里云 OCR 返回的坐標格式可能因接口版本不同而變化，建議調試時打印完整響應（print(result)）以確認字段結構。
• 性能優化：為提高效率，建議重用 AcsClient 實例，避免重復創建。
• 替代方案：如果需要更復雜的 OCR 功能（例如表格識別），可考慮阿里云的 Document AI 或其他 OCR 服務（如 Google Cloud Vision、Azure AI Vision）。

擴展功能

1. 本地圖片支持：
   • 如果圖片在本地，可先上傳到阿里云 OSS（對象存儲服務），獲取 URL 后調用 OCR。
   • 示例上傳代碼（需安裝 oss2 庫）：

     import oss2
     def upload_to_oss(file_path, bucket_name, access_key_id, access_key_secret):auth = oss2.Auth(access_key_id, access_key_secret)bucket = oss2.Bucket(auth, 'oss-cn-shanghai.aliyuncs.com', bucket_name)object_name = f"ocr/{os.path.basename(file_path)}"bucket.put_object_from_file(object_name, file_path)return f"https://{bucket_name}.oss-cn-shanghai.aliyuncs.com/{object_name}"
     

2. 可視化坐標：
   • 使用 OpenCV 繪制文本的邊界框：

     import cv2
     import requestsdef draw_bounding_boxes(image_url, coordinates, output_path):# 下載圖片response = requests.get(image_url)image_array = np.frombuffer(response.content, np.uint8)image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)# 繪制邊界框for coord in coordinates:x, y, w, h = coord["x"], coord["y"], coord["width"], coord["height"]cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)# 保存結果cv2.imwrite(output_path, image)
     

3. 批量處理：
   • 修改 tasks 列表，添加多個圖片 URL 以支持批量 OCR。

參考資料

• 阿里云 OCR 文檔：https://www.alibabacloud.com/help/en/content-moderation/developer-reference/ocr
• 阿里云 Python SDK 文檔：https://www.alibabacloud.com/help/en/sdk/developer-reference/python-sdk