大家好，我是一行

不知道你有没有录过自我介绍的视频，尤其是那种加上PPT播放的长时间视频

可能因为说错一句话就得重来，又或者因为思考而暂停时间太久又得重来，以至于弄了两个小时才做好五分钟的视频

所以就像为了答辩一样，为了让演讲流利不卡壳一遍过，不停的熟读稿子，又或者提前花费大量时间把稿子写好，在录屏的时候对着读

但是光写稿子也要花费了大量的时间啊

所以我想到的方法就是先对着照PPT说一遍并录下来，再将用代码自动将音频自动提取出来转成文字，然后第二遍正式录制视频的时候看着生成的讲稿就不用因为不熟练而卡壳，同时也省去了一个个码字的时间消耗

所以为了更好的去录制视频，这里将上述过程全部用代码流程化分享给大家

• 视频提取音频

• 音频频率转化、音频切割

• 音频转成文字

1视频提取音频

如果你练习时是录的视频，那需要将视频里的语音提取出来，方便后期操作

当然这个过程目前在各个视频剪辑软件里都可以一键分割，例如剪映、必剪、Pr等等

但是当任务量增加的时候，操作就显得非常浪费时间，而用Python的话3行代码就可以提取出来，就算任务量增加最多再加个循环即可

代码如下

from moviepy.editor import AudioFileClip
# 导入视频
my_audio_clip = AudioFileClip("一行玩Python/1012 视频转文字/11.mp4")
# 提取音频并保存
my_audio_clip.write_audiofile("一行玩Python/1012 视频转文字/11.wav")

2音频转文字

提取音频之后就要把音频转成文字了，目前市面上有很多方式都可以快速的将视频里的音频内容转成文字

• 科大讯飞、知意等付费平台

• 剪映、Pr等剪辑如案件生成字幕

• 百度云、腾讯云等国内接口

• GOogle、IBM、Bing等国外接口

• 自己造轮子，语音识别训练

• 自己一边听一边打字

虽然说有这么多方法可以去实现这个需求，但任务量增长后，想不花钱，又想不花时间造轮子，最好的办法就是用现成的接口

百度接口使用

申请百度接口

如果想用百度接口来批量处理，需要

百度语音API地址：https://cloud.baidu.com/doc/SPEECH/index.html

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = 'xxx'
API_KEY = 'xxxxxxxxxxxxxxxxxxxxxxxx'
SECRET_KEY = 'xxxxxxxxxxxxxxxxxxxxxxxx'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(file_path):
    with open(file_path, 'rb') as fp:
        return fp.read()

# 识别本地文件
result = client.asr(get_file_content('音频.wav' % i), 'wav', 16000, {
    'dev_pid': 1537  # 默认1537（普通话 输入法模型），dev_pid参数见本节开头的表格
})

print(result['result'])

如果你恰巧是用mac录的音频，那就得对音频进行降频处理

因为百度接口只能识别16 kHz的音频，而mac录的是48 kHz的音频，当然用ffmpeg重采样一下就可以

import ffmpeg
ffmpeg.input('输入音频.wav').output('输出音频.wav', ar=16000).run()

如果的你音频比较长，但是百度短语音识别接口支持1分钟以内的音频，这时候需要对音频进行分割处理

from pydub import AudioSegment
from pydub.utils import make_chunks

#blues文件30s
audio = AudioSegment.from_file("voice.wav", "wav")

size = 30000  #切割的毫秒数

chunks = make_chunks(audio, size)  ##将文件切割为59s一块

for i, chunk in enumerate(chunks):
    ##枚举，i是索引，chunk是切割好的文件
    chunk_name = "voice{0}.wav".format(i)
    print(chunk_name)
    ##保存文件
    chunk.export(chunk_name, format="wav")

然后重采样、剪切好的音频循环调用百度API接口就可以完成了～

exe

当然，也有前辈利用百度API直接写成了一个exe来使用

只需要在刚才百度智能云注册申请账号即可使用

3最后

而现在互联网的大趋势是视频内容，了解视频相关的应用对于做内容也非常有帮助

之前有前辈分享过如果做短视频创作秘籍，就是把互联网上最火的内容下载个1、200个，然后拿来翻拍，毕竟火过的内容很大概率还会再火

当然有些人会向我过去一样质疑，这tm不是抄袭嘛，但是很多内容本来就可以同主题多形式的，例如别人拍的炒蛋炒饭，那你同样可以翻拍炒蛋炒饭，这有什么不好的吗

而批量下载抖音之前介绍过，现在又可以把这些的视频内容提取出来，下一步就可以进行批量翻拍，离实现一个小目标岂不是越来越近了

技术永不眠，下期见～

一行把自己的各种Python玩法文章整理成了一本电子书，干货满满！

目录如下，还包括自己各种面试赚钱经验，现在免费送给大家～

链接: https://pan.baidu.com/s/11R1XRdxbDrFeHdosfP3aGA 密码: dl55

今天记录在爬取图片网站时，需要按如下需求展示图片和答案：

本次爬取数据量不大，爬取内容也都集中在一个页面，网站也没有异步加载或反爬措施，但是遇到了三个难点：
难点一：图片链接是lazyload，且全部151条图片链接，分散在两个模块下，第一个模块’//div[@class=“entry-content”]/figure/img’的43条图片链接数据爬取顺利，第二个模块’//div[@class=“entry-content”]/p/img’下的108条图片链接却总是显示只能爬取到第一条数据：

如上图，xpath定位没有问题，但结果却总是只有一条数据，暂时还没有搞清楚为什么，最后改成’//div[@class=“entry-content”]//img’来定位，可以直接两个模块下的链接一起爬取，反而更方便，只是这样的结果多出一条数据（最后一条数据），由于只多出一条，便未修改代码逻辑，直接手动去掉了，爬取图片到本地的代码如下：

import requests
from lxml import etree
import time

url = 'https://verbalearn.com/game-tri-tue/dap-an-duoi-hinh-bat-chu/'
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36'}
img_list = list()
req = requests.get(url,headers=headers)
print(req.status_code)
html = etree.HTML(req.text)
path = '//div[@class="entry-content"]//img'
results = html.xpath(path)
print(len(results))
for result in results:
    try:
        img_text = result.xpath('./@data-lazy-src')
        img_text1 = img_text[0].strip()
        print(img_text1)
        img_list.append(img_text1)
    except IndexError:
        continue
print(img_list)
for img_url in img_list:
    img_resp = requests.get(img_url)
    img_name = img_url.split("-chu-")[-1]      # 如果没有提前剔除掉最后一条不要的数据，这里需要增加try...except来跳过最后一条数据
    print(img_name)
    with open("img1/"+img_name,mode="wb") as f:
        f.write(img_resp.content)
    print("over!",img_name)
    time.sleep(1)

难点二：图片的切割操作。由于几张图片共用一个链接，所以需要对图片切割后才能得到单独的图片，这里有两个地方需要处理：
1，图片既有.jpg 格式，又有.png格式，需要统一，且之前的代码只是用img_name = img_url.split(“-chu-”)[-1] 切片操作来命名，图片的命名比较不美观，这里需要先对所有图片进行批量重命名；
2，共享一个链接的图片数量不一致，有些是6张共享一个链接，有些是9张共享一个链接，这里由于数据量不大，直接手动分类。将其按照数量分成了4个分类放在不同的文件夹下：

处理过程：
1，图片批量重命名：如上图所示，命名极其杂乱。首先将后缀全部统一成.jpg格式：在图片文件夹下创建一个.bat文件，在文件中写入ren *.png *.jpg代码，之后双击.bat，即可将所有图片后缀改成.jpg格式；然后重命名，由于需求没有要求爬取的图片按照网站图片顺序显示，且最后用到的是切割后的小图片，所以可以直接重命名，直接按1，2，3…这样的顺序重命名151个图片文件即可（这里肉眼发现1419-1430的图片和1449-1460的图片重复，唉，牛逼网站这么不规律，直接手动删除了，还剩150条数据）

批量重命名：

• 1，先全选图片，鼠标随便放在一张图片上，右键重命名，命名为new.jpg，安心enter键，之后所有图片变成new(1).jpg，new(2).jpg的命名；
• 2，再全选图片，选中一张照片，先空格，再enter，之后所有图片变成(1).jpg，(2).jpg，的命名；
• 3，去掉括号：在当前文件夹下创建一个.bat文件，里面代码如下：之后双击运行.bat文件，即去掉所有的括号。

 @Echo Off&SetLocal ENABLEDELAYEDEXPANSION
FOR %%a in (*) do (
echo 正在处理 %%a
set "name=%%a"
set "name=!name:(=!"
set "name=!name:)=!"
ren "%%a" "!name!"
)
exit

2，切割图片：由于图片有4个分类（暂时还没有识别图片有几张小图片，然后自动切割的方法，后面深入学习后看看能否自动识别），只能分成4个文件夹分别切割，代码如下：

import cv2
import os

heightCutNum = 2;   # 高度切割，4个分类分别放在2，3，4，5这四个文件夹下，分别有2，3，4，5行，四次分割修改这里的数字即可
widthCutNum = 3;
inPath = "D:/python/code/Test/TestScrapy/img/2/"      #四次分割修改这里的文件路径
outPath = "D:/python/code/Test/TestScrapy/img/new/"

for f in os.listdir(inPath):
    path = inPath + f.strip()
    print(path)
    img = cv2.imread(path)

    height = img.shape[0]     # The size of each input image
    width = img.shape[1]

    heightBlock = int(height / heightCutNum)       # The size of block that you want to cut
    widthBlock = int(width / widthCutNum)

    for i in range(0, heightCutNum):
        for j in range(0, widthCutNum):
            cutImage = img[i * heightBlock:(i + 1) * heightBlock, j * widthBlock:(j + 1) * widthBlock]
            savePath = outPath + f.strip().replace(".jpg","") + "_" + str(i) + str(j) + ".jpg"
            cv2.imwrite(savePath, cutImage)

最终切割结果如下：

可以看到结果基本满足要求，但是还是有一个问题，对于一个链接里面的图片不是3的倍数的图片，就会有如图7_12.jpg这样的空图片，由于切割后的图片数量达到1425条，还是有一定的量，就不手动剔除了，后面在图片识别的时候做逻辑判断踢掉吧。

难点三：图片识别提取答案文字。根据上文的图片得知，网页源代码里面根本没有答案文字信息，所有答案直接在图片里面，只能通过图片文字识别来获得答案。而且要识别的文字还是越南语（唉，垃圾网站）
安装easyocr库：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple easyocr
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torchaudio

通过镜像安装，没有遇到什么阻碍，但是运行越南语示例代码时，下载语言模型时总是出错：

reader = easyocr.Reader(['vi'],gpu=False)
result = reader.readtext('1_00.jpg')
print(result)

原因是只将解压后的.pth文件放C:\Users\jingjing.EasyOCR\model路径，却没有放.zip包；需要将.zip包和.pth都放该路径下才能正常运行：

图片文字识取完整代码如下：

import os
import easyocr

dic_set = dict()
inPath = "D:/python/code/Test/TestScrapy/img/new/"
bg = op.load_workbook(r'write.xlsx')
sheet = bg["Sheet1"]
i = 1
for f in os.listdir(inPath):
    path = inPath + f.strip()
    name = f.strip().replace(".jpg","")
    reader = easyocr.Reader(['vi'],gpu=False)
    result = reader.readtext(path)
    print(name + ":")
    try:
        output = result[0][1]
    except:
        output = '未识别到图片'
    print(output)
    sheet.cell(i,1,name)
    sheet.cell(i,3,output)
    i = i + 1
    bg.save("write.xlsx")
print('over!')

更多关于easyocr图片识别的使用可以看另一篇博客：easyocr快速安装及图片文字提取演示（小语种）

前言：

         文字识别的关键之所在就是单个文字的切割，切割的准确度极大的影响了文字识别的正确率。本文基于传统横纵投影的思想对文字进行切割，使用java与python实现了本算法。

基本思路：

         1、横向扫描，切出每一行

         2、对每一行进行纵向扫描，得出每一个字

经过对原始图像的相关处理，得出如下二值图（仅有黑白色）。这里的‘相关处理’是很复杂的，涉及图像学相关知识，我是通过opencv进行处理的。本文主要对切割算法进行讨论，图片处理部分望读者自行了解。

（待切割图）

横向扫描

         横向扫描就是依次从左往右统计，得出这一行黑色点的数量。比如上图尺寸为1200*430，经过横向扫描就可以得到430个数值，这个数值表示在1200个点中黑色点的数量。我们把这430个数直观的展示出来，可以得到下图：

（横向切割统计图，x：行数   y：黑色点数）

在上图中，y轴数值不为0的区域就是文字存在的地方，为0的区域就是每行之间相隔的距离。我们通过如下规则就可以找出每一行文字的起始点和终止点，以定位该行文字区域：1、如果前一个数为0，则记录第一个不为0的坐标；2、如果前一个数不为0，则记录第一个为0的坐标。形象的说就是从出现第一个非空白行（开始有字）到出现第一个空白行（没有字）这段区域就是文字存在的区域。

（横向切割说明图）

纵向扫描

         纵向扫描与横向扫描同理。针对横向扫描切割出的区域，进行纵向扫描，得出每一个字。

我们对横向扫描得出的第一行进行纵向扫描，可以得到1200个数值，如下图：

（横向切割统计图，x：行数   y：黑色点数  省略了部分区域）

再运用横向扫描的思维，对纵向扫描的数据进行切割，就可以得出单个文字了。

切割结果

（切割结果）

         可以看到切割结果有些不理想，会存在很多连在一起的字。

结果分析

         算法对于数字切割十分理想，但是对于汉字会存在切割失败的现象。分析发现部分汉字两两之间没有空白区域，是连在一起的，所以纵向扫描算法就无法准确切割。如下图所示：

所以直接使用投影进行切割，这种方法是不可行的。我们需要对该算法进行优化，以便得出更为准确的结果。优化算法敬请期待下篇（文字切割算法-投影切割优化）。

项目源码：我的github（https://github.com/printlin/tmOcr/tree/master）