求学习

[JulySsAugust]

你好作者，能讲解一下代码部分嘛。作为小白想学习一下并且增加点需要的功能教教吧QAQ

[hiroi-sora]

你好~

建议从 最近稳定版的分支 开始研究，以免main分支中的最新代码可能存在bug，影响你的判断。 如果你想整体的了解本项目，可能需要先学习一下tkinter框架，然后从ui\win_main.py入手。如果只是想增改一些小功能，则可以善用编辑器的全局搜索功能，快速定位到某个模块。 请放心，写注释是我的爱好，本项目的代码几乎每一行都有注释，你一定能看懂的。

若具体某一部分的功能或者代码有疑惑，可以再来问我~~

[JulySsAugust]

感谢作者！

[JulySsAugust]

作者你好，大致的运行流程我了解了，我想问问有没有demo文件，还是说WIN_MAIN可以运行呢？我尝试过运行win_main文件存在报错有什么解决办法吗？希望指导一下，谢谢您！

报错: Traceback (most recent call last): File "L:\OCR\Umi-OCR-release-1.3.2\ui\win_main.py", line 5, in from utils.tool import Tool File "L:\OCR\Umi-OCR-release-1.3.2\utils\tool.py", line 4, in from win32clipboard import OpenClipboard, GetPriorityClipboardFormat, CloseClipboard, GetClipboardData, EmptyClipboard ImportError: DLL load failed while importing win32clipboard: 找不到指定的程序。

[hiroi-sora]

哦，是这样的。本项目是分层结构的Python工程，自定义模块采用相对路径导入，而工程的入口文件是根目录下的main.py。也就是，必须运行main.py才能启动整个程序，才能让各个相对导入的模块被正确识别。（你这个报错，就是相对导入路径无法识别。）

如果你用的编辑器是 VsCode ，可以进行这几步以导入工程：

1. 在Umi-OCR项目文件夹下，右键→通过Code打开
2. 文件→将工作区另存为→保存为Umi-OCR.code-workspace或别的名字
3. 新建文件夹.vscode，里面新建文件launch.json，粘贴以下内容：

   {
   "configurations": [
       {
           "name": "Python: Umi-OCR",
           "type": "python",
           "request": "launch",
           "program": "${workspaceFolder}\\main.py",
       }
   ]
   }

4. 下一次，只需要用VsCode打开Umi-OCR.code-workspace工作区就行了。然后无论你当前在浏览哪一个文件，按F5运行程序都会从main.py启动。

如果你是用PyCharm或别的编辑器，也可以使用类似的步骤导入工程。

[JulySsAugust]

感谢作者的解答，对于学习很有帮助！ 可增加Excel输出格式吗。

[hiroi-sora]

增加Excel输出格式

可以，本项目注重拓展性，可以很方便的拓展像 别的输出格式 这样的功能。

简单来说需要以下几个步骤：

1. 在 ocr\ 下，有一批 output_xxx.py 输出器模块。你可以仿照其中的代码，编写一个 output_excel.py 输出器。
2. 在 ocr\msn_batch_paths.py 中，引入这个 output_excel.py 模块，并添加到 # 初始化输出器 的代码中。
3. 在 utils\config.py 的 _ConfigDict 配置字典中添加 isOutputExcel 配置项。
4. 在 ui\win_main.py 中添加一个 ttk.Checkbutton 来控制是否启用这个配置项。

注意不要一口气写完，而是每写一小段代码就要测试其功能是否符合预期。

[JulySsAugust]

太感谢作者！我去试试，还有啥问题再来求助！太感谢了！

[JulySsAugust]

你好作者，我有些疑问想请教一下。获取的图片之后是通过哪个函数传到OCR中？还有哪个是OCR运行的函数？是engine.py文件吗？可是我没找到输入的Path的。QAQ 本人小白希望作者指点一下，万分感谢。

[hiroi-sora]

哪个是OCR运行的函数？

这部分可能有点难理解，一次OCR任务需要调用的代码实际上是分散在各个文件中的。为了便于拔插不同模块，实现不同引擎实例、不同任务类型、不同文本处理方式、不同输出方式的排列组合，代码中采用了设计模式中 策略模式（Strategy Pattern）的思想。或许你可以先了解一下设计模式。

一次OCR任务涉及这些模块：

• 引擎API api_ppocr_json.py ，负责控制引擎进程。
• 引擎管理器 engine.py ，负责指挥引擎实例，并提供任务流程接口 runMission() 。
• 任务管理器 msn_*.py，负责规划任务流程的前、中、后 三个阶段应该干什么事。中的阶段（onGet）就需要下述两个模块。
• 文本块处理器 tbpu\*.py，负责文本块后处理。
• 输出器 output_*.py，负责输出到具体的文件。

因此，获取到图片之后，还要同步初始化一个任务管理器，在任务管理器内初始化输出器和文本块处理器，然后将图片路径paths和任务管理器实例 传递给引擎管理器。

OCR流程的调用起点是 win_main.py 的 run() 和 startSingleClipboard() 。 （其中有一行注释 # 初始化文本处理器 是错的，应该是 # 初始化批量识图任务处理器）

[JulySsAugust]

好的作者，谢谢教导，有点迷茫就来求助了，感谢作者的耐心指点。

[JulySsAugust]

你好作者，我自己尝试了弄了个ORC的识别，有点问题想请教一下 ocr = PaddleOCR() result = ocr.ocr(img_path) for line in result: print(line) 这就是个基础的调用ORC，他这个PaddleOCR输出内容 有位置信息 文本内容 置信度 怎么才能只输出文本内容呢，希望作者能教教我，万分感谢。

[hiroi-sora]

怎么才能只输出文本内容呢

如果 line 是OCR结果字典中的['data']列表的元素，那输出line中的['text']就行了，print(line['text])

另外如果你打算从头开始弄OCR，可以直接用 PaddleOCR-json的Python API模块 。

[JulySsAugust]

额，不太会丫 QAQ

[hiroi-sora]

我不知道你的 PaddleOCR() 是怎么封装的，就以我的 api_ppocr_json.py 为例（PaddleOCR-json的Python API也是同理）：

from api_ppocr_json import OcrAPI

ocr = OcrAPI(r'…………\PaddleOCR_json.exe')
result = ocr.run('图片.png')
if result['code'] == 100:      # 成功
    for t in result['data']:
        printf(f'文本：{t["text"]}')
        printf(f'置信度：{t["score"]}')
        printf(f'包围盒：{t["box"]}')
else:  # 失败
    printf(f'错误码：{t["code"]}\n失败原因：{t["data"]}')

建议再看看 PaddleOCR-json 的返回值说明。

[JulySsAugust]

我是直接在pycharm中 pip install PaddleOCR 然后后面就是单纯的把图片输入到里面 img_path = '........' ocr = PaddleOCR() result = ocr.ocr(img_path) for line in result: print(line) 实在水平有限，作者的哪个程序大致理解运行的逻辑，但是上手改有点不太行，啊哈哈哈，有待学习。就根据您之前说的TTK框架敲了个窗口。好想开始有点难度。

[hiroi-sora]

pip install 的 PaddleOCR 跟本项目不是同一个引擎。pip的那个是Paddle官方的基于Python的引擎。本项目是第三方封装的C++引擎，比Python版要快很多。

Python版具体用法我不清楚，但总体大差不差，都是返回字典或者列表嵌套。你print(line)输出的大概是一个字典，里面有哪些元素？分别取这些元素 print(line['元素']) 打印出来就是了。

[JulySsAugust]

蟹蟹作者，貌似明白了点，我再去琢磨一下！

[JulySsAugust]

你好作者，学习了您的代码我自己简单弄了个我需要的识别程序，但是关于这个程序的打包出了点问题，能不能帮帮我。救救孩子吧

[hiroi-sora]

关于这个程序的打包出了点问题

具体是什么问题呢？

我先盲猜一下可能由PPOCR的Python库引起，这个库确实不容易通过pyinstaller打包。（所以本项目才采用外置的C++版引擎，便于打包。） 如果你想打包Python版的PPOCR，可以参考一下隔壁的团子翻译机，它是采用QPT而不是pyinstaller打包。QPT对PaddleOCR这种大型库的打包支持度更好。

[JulySsAugust]

因为我不太会你说的调用外置引擎这种操作（我怎样才能学习），确实应该像你说的paddle问题因为一开始报错就是paddle有问题解决完后新问题了弄了半天没成 QAQ 。你说的这个QPT我去试试，谢谢谢谢谢谢 太感谢了！

[JulySsAugust]

确实成功了，谢谢作者，我还会继续学习。太感谢了，太感谢了！！！

[paul-yangmy]

大佬，最近在学习您的代码，在执行时报了这个ImportError: DLL load failed while importing win32clipboard: 找不到指定的程序。这是少哪些东西呢？我看pywin32是正常安装的，谢谢~ 我的环境是python3.10的miniconda

[hiroi-sora]

@paul-yangmy

环境的问题。

来源： https://stackoverflow.com/questions/58612306/how-to-fix-importerror-dll-load-failed-while-importing-win32api https://stackoverflow.com/questions/60750197/pywin32-importerror-dll-load-failed-the-specified-module-could-not-be-found

[paul-yangmy]

谢谢大佬可以了！ 顺便记录一下问题，在使用conda安装时报了RemoveError: 'pyopenssl' is a dependency of conda and cannot be removed from conda's operating environment，通过--force-reinstall conda解决

[JerManh]

你好作者大大，小白在学习你的项目，在尝试封装打包项目为.exe程序，我试了pyinstaller行不通，作者你是怎么打包这个项目的呢？

[hiroi-sora]

@JerManh 我就是用pyinstaller来打包的，见 to_exe.py 。你是遇到了什么问题？

[JerManh]

@hiroi-sora 1.使用pycharm2023.1.1打包，b编辑项目时提示Package requirement 'psutil==5.9.2' is not satisfied，缺少这个依赖包，是必要的吗？ 2.忽略上一步缺少的依赖包，打包的结果在dist文件夹生成了 "Umi-OCR 文字识别.exe"，但是执行出现这个提示框： Unhandled exception in script： " Traceback (most recent call last): File "main.py", line 4, in File "PyInstaller\loader\pyimod02_importers.py", line 385, in exec_module File "utils\config.py", line 5, in ModuleNotFoundError: No module named 'psutil' "

[hiroi-sora]

@JerManh

当然，psutil是不可缺少的一个库，负责引擎进程的内存管理。

请使用 pip install -r requirements.txt 安装本项目所有依赖库，或者单独安装 psutil 。

[JerManh]

@hiroi-sora 谢谢作者的耐心回复！这是我的第一个python项目，学得磕磕碰碰的，但我会继续学习。