[原创]用PQ识别图片文案

零一 · 公众号 · · 2018-01-16 10:00

正文

序：本文的知识点可用于分析图片的文本，应用场景像分析竞争对手的营销文案，检查自己的营销文案等。

Power Query作为BI内置的一个组件，不止用于数据清洗和获取。

图像识别的人工智能也已经存在，运营&推广等岗位人员对图片上的文案识别也有诉求。

实现图片上的文案识别，市面上有很多软件可以实现；本文将介绍使用Power Query实现简单的OCR（Optical Character Recognition）文字识别。

先找到要识别文字的图片，可以是类似钻展图，直通车图，主图或者是详情页图片。

把图片链接复制粘贴到工作表左侧的表格，在右侧表格单元格内右击进行刷新：

导入的图片

识别结果

再导入一张图片

识别结果

可以发现此方法只支持常用字体的识别，非常用字体可能识别不出来。

由于目前市面上开放的免费接口的限制，所以识别率不是太好。如果要识别率高的话，可以使用付费的接口，识别率可以达90%及以上。

以下是此应用的实现M代码

let

源 = Excel.CurrentWorkbook(){[Name="表1"]}[Content],

更改的类型 = Table.TransformColumnTypes(源,{{"图片地址", type text}}),

已添加自定义 = Table.AddColumn(更改的类型, "自定义", each Json.Document(Web.Contents("http://aidemo.youdao.com/ocrapi",[Headers=[#"Content-Type"="application/x-www-form-urlencoded; charset=UTF-8"],Content=Text.ToBinary("imgUrl="&Uri.EscapeDataString([图片地址]))]))),

#"展开的“自定义”" = Table.ExpandRecordColumn(已添加自定义, "自定义", {"lines"}, {"lines"}),

#"展开的“lines”" = Table.ExpandListColumn(#"展开的“自定义”", "lines"),

#"展开的“lines”1" = Table.ExpandRecordColumn(#"展开的“lines”", "lines", {"words"}, {"words"})

in

#"展开的“lines”1"