哈哈，我用Python开发了一个搜题神奇

Myth丶恋晨 2022-12-31 03:23 243阅读 0赞

# 专业搜题，家长好帮手 #

很早之前曾经做过一个图片识别的项目，当时有一项功能是整题识别，即传入数学题的截图，可通过ocr技术识别出图片内容，但当时只限于识别文字，并未作更深一步的处理，现在想来实用性并不强，毕竟大家更需要的是解题思路，而不是让AI读出题干（题干的文字，我都认识，连起来我就不知道怎么下手去做了 = = ），最近刚好有时间，于是尝试来为有娃的朋友做一个搜题神器。

鉴于之前整题识别的开发使用有道智云的良好体验，我再次打开其官方文档，果然找到了[拍照搜题][Link 1]服务的开放API，轻车熟路地做了一个简单的批量搜题[demo][], 下面分享一下开发过程。

### 调用API接口的准备工作 ###

首先，是需要在有道智云的个人页面上创建实例、创建应用、绑定应用和实例，获取到应用的id和密钥。具体个人注册的过程和应用创建过程详见文章

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE3NjIzMzYz_size_16_color_FFFFFF_t_70_pic_center]

### 开发过程详细介绍 ###

下面介绍具体的代码开发过程。

API接收的参数较为简单：

<table> 
 <thead> 
  <tr> 
   <th>字段名</th> 
   <th>类型</th> 
   <th>含义</th> 
   <th>必填</th> 
   <th>备注</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>q</td> 
   <td>text</td> 
   <td>要识别的图片，需要Base64编码</td> 
   <td>True</td> 
   <td>必须是Base64编码(baes64前边不要加上data:image/png;base64)</td> 
  </tr> 
  <tr> 
   <td>appKey</td> 
   <td>text</td> 
   <td>应用ID</td> 
   <td>True</td> 
   <td>可在<a href="https://ai.youdao.com/appmgr.s" rel="nofollow">应用管理</a>查看</td> 
  </tr> 
  <tr> 
   <td>salt</td> 
   <td>text</td> 
   <td>UUID</td> 
   <td>True</td> 
   <td>uuid</td> 
  </tr> 
  <tr> 
   <td>curtime</td> 
   <td>text</td> 
   <td>当前UTC时间戳（秒）</td> 
   <td>true</td> 
   <td>TimeStamp</td> 
  </tr> 
  <tr> 
   <td>sign</td> 
   <td>text</td> 
   <td>签名 sha256(应用ID+input+salt+curtime+应用密钥);input的生成规则见表下的备注</td> 
   <td>True</td> 
   <td>sha256(应用ID+input+salt+curtime+应用密钥)</td> 
  </tr> 
  <tr> 
   <td>signType</td> 
   <td>text</td> 
   <td>签名类型</td> 
   <td>true</td> 
   <td>v2</td> 
  </tr> 
  <tr> 
   <td>type</td> 
   <td>text</td> 
   <td>上传类型， 仅支持base64上传，请填写固定值1</td> 
   <td>True</td> 
   <td>1</td> 
  </tr> 
  <tr> 
   <td>searchType</td> 
   <td>text</td> 
   <td>搜索类型，img为图片搜题,text为文本搜题</td> 
   <td>false</td> 
   <td>img</td> 
  </tr> 
 </tbody> 
</table>

签名`sign`生成方法如下：  
signType=v2；  
sign=sha256(`应用ID`\+`input`\+`salt`\+`curtime`\+`应用密钥`)。  
其中，input的计算方式为：`input`=`q前10个字符` \+ `q长度` \+ `q后10个字符`（当q长度大于20）或 `input`=`q字符串`（当q长度小于等于20）。

**需要注意的是**，API对题目图片有如下要求：

<table> 
 <thead> 
  <tr> 
   <th>规则</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>传输方式</td> 
   <td>HTTPS</td> 
  </tr> 
  <tr> 
   <td>请求方式</td> 
   <td>POST</td> 
  </tr> 
  <tr> 
   <td>字符编码</td> 
   <td>统一使用UTF-8编码</td> 
  </tr> 
  <tr> 
   <td>请求格式</td> 
   <td>表单</td> 
  </tr> 
  <tr> 
   <td>响应格式</td> 
   <td>JSON</td> 
  </tr> 
  <tr> 
   <td>图片格式</td> 
   <td>jpg/png/bmp</td> 
  </tr> 
  <tr> 
   <td>图片大小</td> 
   <td>1MB以下</td> 
  </tr> 
  <tr> 
   <td>文字长度</td> 
   <td>50个字符以下</td> 
  </tr> 
 </tbody> 
</table>

#### Demo开发： ####

这个demo使用python3开发，包括maindow.py，QuestionClass.py，OcrQuestion.py 三个文件，分别为demo的界面、界面逻辑处理和ocr搜题方法的封装。

1.  ##### 界面部分： #####
    
    UI 部分较简单，主要功能为选择待题目图片、选择批改结果存储路径。其布局代码如下：
    
        root=tk.Tk()
        root.title(" youdao ocr question test")
        frm = tk.Frame(root)
        frm.grid(padx='50', pady='50')
        
        # 选题和结果保存按钮
        btn_get_file = tk.Button(frm, text='选择题目图片', command=get_files)
        btn_get_file.grid(row=0, column=0, ipadx='3', ipady='3', padx='10', pady='20')
        text1 = tk.Text(frm, width='40', height='10')
        text1.grid(row=0, column=1)
        btn_get_result_path=tk.Button(frm,text='选择搜索结果路径',command=set_result_path)
        btn_get_result_path.grid(row=1,column=0)
        text2=tk.Text(frm,width='40', height='2')
        text2.grid(row=1,column=1)
        
        
        # 搜题按钮
        btn_sure=tk.Button(frm,text="搜题",command=search_question_files)
        btn_sure.grid(row=4,column=1)
        
        root.mainloop()
    
    其中启动按钮btn\_sure的绑定事件search\_question\_files()来根据题目照片搜题，并在完成后打开结果存储路径:
    
        def search_question_files():
            question.start_ocr()
            os.system('start '+question.result_path)
2.  ##### QuestionClass.py #####
    
    这里主要配合UI的逻辑，调用搜题方法。
    
    首先定义一个类Question:
    
        class Question():
            def __init__(self,file_paths,result_path):	
                self.file_paths=file_paths		# 题目照片存储路径
                self.result_path=result_path	# 结果路径
    
    start\_ocr()方法调用connect()方法依次搜题并保存结果。
    
        def start_ocr(self):
            for file_path in self.file_paths:
                result=connect(file_path)
                print(file_path)
               self.save_result_format(file_path,result)
    
    从OcrQuestion.py的connect方法获取的结果是json格式，save\_result\_format()方法,解析从接口取得的接口，格式整理，保存结果到html：
    
        def save_result_format(self,file_path,result):
                result_file_name=os.path.basename(file_path).split('.')[0]+'_result.html'
                f=open(self.result_path+'/'+result_file_name,'w',encoding='utf-8')
                result_json= json.loads(result)
                if result_json['errorCode'] == '0':
                    data=result_json['data']
                    questions=data["questions"]
                    text=data["text"]
                    f.write("题目识别：<br/>"+text)
                    i=0
                    for answers in questions:
                        i=i+1
                        subject="科目："+answers["subject"]+"<br>"
                        answer="答案：" +answers["answer"]+"<br>"
                        analysis="分析："+answers["analysis"]+"<br>"
                        knowledge="知识点："+answers["knowledge"]+"<br>"
                        print(subject+answer+analysis+knowledge)
                        result_each="<h3>搜题结果"+str(i)+"<br></h3>"
                        result_each=result_each+subject+answer+analysis+knowledge+"<br>=================这是一条分隔符============<br>"
                        f.write(result_each)
                else:
                    f.write("result error code:"+result_json['errorCode'])
3.  ##### OcrQuestion.py #####
    
    OcrQuestion.py 中封装请求ocr搜题API的方法，其中最主要的方法是connect()：
    
        def connect(pic_path):
            f = open(pic_path, 'rb')  # 二进制方式打开图文件
            q = base64.b64encode(f.read()).decode('utf-8')  # 读取文件内容，转换为base64编码
            f.close()
        
            data = { }
            data['q'] = q
            data['signType'] = 'v2'
            curtime = str(int(time.time()))
            data['curtime'] = curtime
            salt = str(uuid.uuid1())
            signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET
            sign = encrypt(signStr)
            data['appKey'] = APP_KEY
            data['salt'] = salt
            data['sign'] = sign
        
            response = do_request(data)
            result=response.content.decode('utf-8')
            print(result)
            return result
    
    ###### API响应结果示例 ######
    
        { 
            "data":{ 
                "questions":[
                    { 
                        "score":0.9875,
                        "answer":"D",
                        "subject":"历史",
                        "id":"a9db8f1252778836c99204e5cf9d7738",
                        "analysis":"",
                        "type":"",
                        "content":"xxx",
                        "knowledge":""
                    }
                ],
                "text":"xxx"
            },
            "errorCode":"0"
        }
    
    响应结果是以json形式输出，包含字段如下表所示：

<table> 
 <thead> 
  <tr> 
   <th>字段</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>errorCode</td> 
   <td>识别结果错误码，一定存在。 详细信息可参见 <a href="http://ai.youdao.com/DOCSIRMA/html/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98/API%E6%96%87%E6%A1%A3/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98%E6%9C%8D%E5%8A%A1/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98%E6%9C%8D%E5%8A%A1-API%E6%96%87%E6%A1%A3.html#section-9" rel="nofollow">错误代码列表</a></td> 
  </tr> 
  <tr> 
   <td>data</td> 
   <td>数据</td> 
  </tr> 
  <tr> 
   <td>-text</td> 
   <td>图片题目OCR结果</td> 
  </tr> 
  <tr> 
   <td>-questions</td> 
   <td>相关题目</td> 
  </tr> 
  <tr> 
   <td>–id</td> 
   <td>答案</td> 
  </tr> 
  <tr> 
   <td>–content</td> 
   <td>题目内容</td> 
  </tr> 
  <tr> 
   <td>–answer</td> 
   <td>答案</td> 
  </tr> 
  <tr> 
   <td>–analysis</td> 
   <td>解析</td> 
  </tr> 
  <tr> 
   <td>–knowledge</td> 
   <td>知识点</td> 
  </tr> 
 </tbody> 
</table>

#### 效果展示 ####

###### demo操作演示 ######

![在这里插入图片描述][20201228092147429.gif_pic_center]

###### 来看看结果吧： ######

数学题搜索结果展示：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE3NjIzMzYz_size_16_color_FFFFFF_t_70_pic_center 1]

### 总结 ###

有道智云的整体搜索API文档清晰，题目范围极广而且可以自动判断学科，搜索结果可谓“举一反三”，会返回几个可能的相近题目，很具有参考价值，值得推荐！数学解答题会返回相关图片、公式等，用在web项目中效果灰常不错。

项目地址：https://github.com/LemonQH/OcrQuestion

[Link 1]: https://ai.youdao.com/DOCSIRMA/html/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98/API%E6%96%87%E6%A1%A3/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98%E6%9C%8D%E5%8A%A1/%E6%8B%8D%E7%85%A7%E6%90%9C%E9%A2%98%E6%9C%8D%E5%8A%A1-API%E6%96%87%E6%A1%A3.html
[demo]: https://github.com/LemonQH/OcrQuestion
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE3NjIzMzYz_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/38d59b57008741c685a04b72eaeed0cb.png
[20201228092147429.gif_pic_center]: /images/20221120/63988c404a7f40498dfbd36a5c41240c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE3NjIzMzYz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/ab5cd601eadc467680768884165baca3.png