Google Cloud Vision
まず、Google Cloud SDKをインストールし、プロジェクトをセットアップして認証しておく必要があります。
Google Cloud SDKをインストールする: https://cloud.google.com/sdk/docs/install
gcloud initコマンドでプロジェクトをセットアップする: https://cloud.google.com/sdk/gcloud/reference/init
サービスアカウントキーを作成: https://cloud.google.com/docs/authentication/getting-started
>プロジェクトへのアクセス権限を付与するには、サービス アカウントに Project > Owner ロールを付与します。
> ロールを付与するには、ロールを選択 リストを見つけて、Project > Owner を選択します。
翻訳されてて検索にヒットしない罠
環境変数GOOGLE_APPLICATION_CREDENTIALSにパスを設定する:
以下のコードでGoogle Cloud Vision APIを使ってOCRを実行できます。
pythonimport os
from google.cloud import vision
from PIL import Image
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/path/to/your/service-account-key.json"
def ocr_image(image_path):
client = vision.ImageAnnotatorClient()
with open(image_path, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
response = client.text_detection(image=image)
texts = response.text_annotations
if texts:
return texts[0].description
else:
return ""
def ocr_readable_images(images_dir):
ocr_texts = []
for image_name in sorted(os.listdir(images_dir)):
if image_name.startswith("readable_page"):
image_path = os.path.join(images_dir, image_name)
ocr_text = ocr_image(image_path)
ocr_texts.append(ocr_text)
return ocr_texts
if __name__ == '__main__':
images_dir = 'output/images'
ocr_texts = ocr_readable_images(images_dir)
for i, text in enumerate(ocr_texts):
print(f'Page {i+1}:\n{text}\n{"="*40}')$ pip install google-cloud-vision PermissionDenied: 403 Cloud Vision API has not been used in project 573408197915 before or it is disabled. Enable it by visiting https://console.developers.google.com/apis/api/vision.googleapis.com/overview?project=... then retry. 
PermissionDenied: 403 This API method requires billing to be enabled. Please enable billing on project OK
input
output
大体1リクエスト1秒ちょい掛かる
レートリミットは1分に1800なので、30並列くらいできそう