Python 实现公式图像识别转 Latex

Elana ·

更新时间:2024-09-20

· 781 次阅读

本文是文本OCR的后续，因为用到了公式识别，所以阅读了 Mathpix API 文档，编写了一份比较适合自己使用的公式识别的Python程序，具体代码如下，注意使用之前应当去 Mathpix 官网申请开发者ID和 KEY其对应的是代码中的APP_ID和APP_KEY后的XXX，值得高兴的是每个月的有1000次免费的使用权限（虽然超出了也不贵，但是如果怕超，可以在填写信用卡的安全码时写一个错误安全码）。相较软件上的50次，我想已经很好了。下面是代码实现，可以直接拷贝使用：

import os
import sys
import json
import time
import base64
import signal
import win32con
import winsound
import requests
from PIL import ImageGrab
import win32clipboard as wc
def set_clipboard(txt):
    wc.OpenClipboard()
    wc.EmptyClipboard()
    wc.SetClipboardData(win32con.CF_UNICODETEXT, txt)
    wc.CloseClipboard()
env = os.environ
default_headers = {
    'app_id': env.get('APP_ID', 'XXX'),
    'app_key': env.get('APP_KEY', 'XXX'),
    'Content-type': 'application/json'
}
service = 'https://api.mathpix.com/v3/latex'
format_set = ["text",
"latex_simplified",
"latex_styled",
"mathml",
"asciimath",
"latex_list"]
format_set_output = ["text",
"latex_simplified",
"latex_styled"]
def image_uri(filename):
    image_data = open(filename, "rb").read()
    return "data:image/jpg;base64," + base64.b64encode(image_data).decode()
def latex(args, headers=default_headers, timeout=30):
    r = requests.post(service,
        data=json.dumps(args), headers=headers, timeout=timeout)
    return json.loads(r.text)
def sig_handler(signum, frame):
    sys.exit(0)
""" 截图后,调用Mathpix 公式识别"""
def LatexOcrScreenshots(path="./",ifauto=False):
    if not os.path.exists(path):
        os.makedirs(path)
    image = ImageGrab.grabclipboard()
    if image != None:
        print("\rThe image has been obtained. Please wait a moment!",end=" ")
        filename = str(time.time_ns())
        image.save(path+filename+".png")
        txt = latex({
            'src': image_uri(path+filename+".png"),
            "ocr": ["math", "text"],
            "skip_recrop": True,
            "formats":format_set
        })
        os.remove(path+filename+".png")
        # for format_text in txt:
        #   print(format_text,":\n",txt[format_text])
        for format_text in format_set_output:
            if format_text in txt:
                set_clipboard(txt[format_text])
                break;
        winsound.PlaySound('SystemAsterisk',winsound.SND_ASYNC)
        return txt
    else :
        if not ifauto:
            print("Please get the screenshots by Shift+Win+S!     ",end="")
            return ""
        else:
            print("\rPlease get the screenshots by Shift+Win+S !       ",end="")
def AutoOcrScreenshotsLatex():
    signal.signal(signal.SIGINT, sig_handler)
    signal.signal(signal.SIGTERM, sig_handler)
    print("Waiting For Ctrl+C to exit ater removing all picture files and txt files!")
    print("Please get the screenshots by Shift+Win+S !",end="")
    while(1):
        try:
            LatexOcrScreenshots(ifauto=True)
            time.sleep(0.1)
        except SystemExit:          
            break
        else :
            pass
        finally:
            pass

可以看出其与百度API不同的地方是，直接使用网站POST便可以实现OCR内容的获取，具体获取的内容是由format_set决定的，而输出的内容的优先级是由format_set_output决定的。

作者：FlameAlpha

latex 图像识别 Python

1024 个赞