背景
在業務系統開發的過程中，很多情況下會去識別圖片中的相關信息，並且把信息錄入到系統中。現在希望通過自動化的方式錄入，就有了以下的工作。在對比了幾個OCR軟件在中文識別方面的準確率後，決定使用微軟的OneNote開發相應的功能。
準備工作
- 安裝OneNote 2010；（注：在 Microsoft Office 2003 中的工具組件中有一個“ Microsoft Office Document Imaging”的組件包，之後的Office版本將這個功能集成到OneNote中了）
- 查詢網上相關OneNote的資料，真是少得可憐，即使找到現有的代碼也是各種坑。
- 在OneNote中的圖片識別功能如下圖，把圖片放到一個tab中，右鍵圖片就會出現紅框所標註的功能，這個是我需要在程序中來調用的：
![]()
代碼實現的邏輯
- 獲取圖片的Base64編碼；
- 開啓OneNote程序，在一個空的newfile.one中，生成一個新的page；
- 此時，新的page頁中，會有一個固定格式的xml，把圖片的Base64編碼，更新到對應的節點上；
- 更新節點後，會自動調用OCR的功能，把識別出來的文字，放入到固定節點上；
- 從識別出來的文字節點上，取出相應的文字就可以了；
- 徹底銷燬當前的頁面（如果不是徹底的話，這個newfile.one會越來越大）；
public class OrcImage
{
private static readonly string tmpPath = AppDomain.CurrentDomain.BaseDirectory + "tmpPath/";
private static readonly int waitTime = Convert.ToInt32(ConfigurationManager.AppSettings["WaitTime"]);
private Tuple<string, int, int> GetBase64(string strImgPath)
{
return GetBase64(new FileInfo(strImgPath));
}
/// <summary>
/// 獲取圖片的Base64編碼
/// </summary>
/// <param name="file"></param>
/// <returns></returns>
private Tuple<string, int, int> GetBase64(FileInfo file)
{
using (MemoryStream ms = new MemoryStream())
{
Bitmap bp = new Bitmap(file.FullName);
switch (file.Extension.ToLower())
{
case ".jpg":
bp.Save(ms, ImageFormat.Jpeg);
break;
case ".jpeg":
bp.Save(ms, ImageFormat.Jpeg);
break;
case ".gif":
bp.Save(ms, ImageFormat.Gif);
break;
case ".bmp":
bp.Save(ms, ImageFormat.Bmp);
break;
case ".tiff":
bp.Save(ms, ImageFormat.Tiff);
break;
case ".png":
bp.Save(ms, ImageFormat.Png);
break;
case ".emf":
bp.Save(ms, ImageFormat.Emf);
break;
default:
return new Tuple<string, int, int>("不支持的圖片格式。", 0, 0);
}
byte[] buffer = ms.GetBuffer();
return new Tuple<string, int, int>(Convert.ToBase64String(buffer), bp.Width, bp.Height);
}
}
public string Orc_Img(FileInfo fi)
{
// 向Onenote2010中插入圖片
var onenoteApp = new Microsoft.Office.Interop.OneNote.Application(); //onenote提供的API
/***************************************************************************************/
string sectionID;
onenoteApp.OpenHierarchy(tmpPath + "newfile.one", null, out sectionID, CreateFileType.cftSection);
string pageID = "{A975EE72-19C3-4C80-9C0E-EDA576DAB5C6}{1}{B0}"; // 格式 {guid}{tab}{??}
onenoteApp.CreateNewPage(sectionID, out pageID, NewPageStyle.npsBlankPageNoTitle);
/********************************************************************************/
string notebookXml;
onenoteApp.GetHierarchy(null, HierarchyScope.hsPages, out notebookXml);
var doc = XDocument.Parse(notebookXml);
var ns = doc.Root.Name.Namespace;
var pageNode = doc.Descendants(ns + "Page").FirstOrDefault();
var existingPageId = pageNode.Attribute("ID").Value;
if (pageNode != null)
{
Tuple<string, int, int> imgInfo = this.GetBase64(fi);
var page = new XDocument(new XElement(ns + "Page",
new XElement(ns + "Outline",
new XElement(ns + "OEChildren",
new XElement(ns + "OE",
new XElement(ns + "Image",
new XAttribute("format", fi.Extension.Remove(0, 1)), new XAttribute("originalPageNumber", "0"),
new XElement(ns + "Position",
new XAttribute("x", "0"), new XAttribute("y", "0"), new XAttribute("z", "0")),
new XElement(ns + "Size",
new XAttribute("width", imgInfo.Item2), new XAttribute("height", imgInfo.Item3)),
new XElement(ns + "Data", imgInfo.Item1)))))));
page.Root.SetAttributeValue("ID", existingPageId);
onenoteApp.UpdatePageContent(page.ToString(), DateTime.MinValue);
// 線程休眠時間，單位毫秒，若圖片很大，則延長休眠時間，保證Onenote OCR完畢
int fileSize = Convert.ToInt32(fi.Length / 1024 / 1024); // 文件大小 單位M
System.Threading.Thread.Sleep(waitTime * (fileSize > 1 ? fileSize : 1)); // 小於1M的都默認1M
string pageXml;
onenoteApp.GetPageContent(existingPageId, out pageXml, PageInfo.piBinaryData);
/*********************************************************************************/
XmlDocument xmlDoc = new XmlDocument();
xmlDoc.LoadXml(pageXml);
XmlNamespaceManager nsmgr = new XmlNamespaceManager(xmlDoc.NameTable);
nsmgr.AddNamespace("one", ns.ToString());
XmlNode xmlNode = xmlDoc.SelectSingleNode("//one:Image//one:OCRText", nsmgr);
string strRet = xmlNode.InnerText;
/**********************************************************************/
onenoteApp.DeleteHierarchy(sectionID, DateTime.MinValue, true); // 摧毀原始頁面
return strRet;
}
return "沒有識別";
}
}
{
private static readonly string tmpPath = AppDomain.CurrentDomain.BaseDirectory + "tmpPath/";
private static readonly int waitTime = Convert.ToInt32(ConfigurationManager.AppSettings["WaitTime"]);
private Tuple<string, int, int> GetBase64(string strImgPath)
{
return GetBase64(new FileInfo(strImgPath));
}
/// <summary>
/// 獲取圖片的Base64編碼
/// </summary>
/// <param name="file"></param>
/// <returns></returns>
private Tuple<string, int, int> GetBase64(FileInfo file)
{
using (MemoryStream ms = new MemoryStream())
{
Bitmap bp = new Bitmap(file.FullName);
switch (file.Extension.ToLower())
{
case ".jpg":
bp.Save(ms, ImageFormat.Jpeg);
break;
case ".jpeg":
bp.Save(ms, ImageFormat.Jpeg);
break;
case ".gif":
bp.Save(ms, ImageFormat.Gif);
break;
case ".bmp":
bp.Save(ms, ImageFormat.Bmp);
break;
case ".tiff":
bp.Save(ms, ImageFormat.Tiff);
break;
case ".png":
bp.Save(ms, ImageFormat.Png);
break;
case ".emf":
bp.Save(ms, ImageFormat.Emf);
break;
default:
return new Tuple<string, int, int>("不支持的圖片格式。", 0, 0);
}
byte[] buffer = ms.GetBuffer();
return new Tuple<string, int, int>(Convert.ToBase64String(buffer), bp.Width, bp.Height);
}
}
public string Orc_Img(FileInfo fi)
{
// 向Onenote2010中插入圖片
var onenoteApp = new Microsoft.Office.Interop.OneNote.Application(); //onenote提供的API
/***************************************************************************************/
string sectionID;
onenoteApp.OpenHierarchy(tmpPath + "newfile.one", null, out sectionID, CreateFileType.cftSection);
string pageID = "{A975EE72-19C3-4C80-9C0E-EDA576DAB5C6}{1}{B0}"; // 格式 {guid}{tab}{??}
onenoteApp.CreateNewPage(sectionID, out pageID, NewPageStyle.npsBlankPageNoTitle);
/********************************************************************************/
string notebookXml;
onenoteApp.GetHierarchy(null, HierarchyScope.hsPages, out notebookXml);
var doc = XDocument.Parse(notebookXml);
var ns = doc.Root.Name.Namespace;
var pageNode = doc.Descendants(ns + "Page").FirstOrDefault();
var existingPageId = pageNode.Attribute("ID").Value;
if (pageNode != null)
{
Tuple<string, int, int> imgInfo = this.GetBase64(fi);
var page = new XDocument(new XElement(ns + "Page",
new XElement(ns + "Outline",
new XElement(ns + "OEChildren",
new XElement(ns + "OE",
new XElement(ns + "Image",
new XAttribute("format", fi.Extension.Remove(0, 1)), new XAttribute("originalPageNumber", "0"),
new XElement(ns + "Position",
new XAttribute("x", "0"), new XAttribute("y", "0"), new XAttribute("z", "0")),
new XElement(ns + "Size",
new XAttribute("width", imgInfo.Item2), new XAttribute("height", imgInfo.Item3)),
new XElement(ns + "Data", imgInfo.Item1)))))));
page.Root.SetAttributeValue("ID", existingPageId);
onenoteApp.UpdatePageContent(page.ToString(), DateTime.MinValue);
// 線程休眠時間，單位毫秒，若圖片很大，則延長休眠時間，保證Onenote OCR完畢
int fileSize = Convert.ToInt32(fi.Length / 1024 / 1024); // 文件大小 單位M
System.Threading.Thread.Sleep(waitTime * (fileSize > 1 ? fileSize : 1)); // 小於1M的都默認1M
string pageXml;
onenoteApp.GetPageContent(existingPageId, out pageXml, PageInfo.piBinaryData);
/*********************************************************************************/
XmlDocument xmlDoc = new XmlDocument();
xmlDoc.LoadXml(pageXml);
XmlNamespaceManager nsmgr = new XmlNamespaceManager(xmlDoc.NameTable);
nsmgr.AddNamespace("one", ns.ToString());
XmlNode xmlNode = xmlDoc.SelectSingleNode("//one:Image//one:OCRText", nsmgr);
string strRet = xmlNode.InnerText;
/**********************************************************************/
onenoteApp.DeleteHierarchy(sectionID, DateTime.MinValue, true); // 摧毀原始頁面
return strRet;
}
return "沒有識別";
}
}
XML的格式
/*Onenote
2010 中圖片的XML格式<one:Image format="" originalPageNumber="0" lastModifiedTime="" objectID="">
<one:Position x="" y="" z=""/>
<one:Size width="" height=""/>
<one:Data>Base64</one:Data>
//以下標籤由Onenote 2010自動生成，不要在程序中處理，目標是獲取OCRText中的內容。
<one:OCRData lang="en-US">
<one:OCRText>
<![CDATA[ OCR後的文字 ]]>
</one:OCRText>
<one:OCRToken startPos="0" region="0" line="0" x="4.251968383789062" y="3.685039281845092" width="31.18110275268555" height="7.370078563690185"/>
<one:OCRToken startPos="7" region="0" line="0" x="39.40157318115234" y="3.685039281845092" width="13.32283401489258" height="8.78740119934082"/>
<one:OCRToken startPos="12" region="0" line="1" x="4.251968383789062" y="17.85826683044434" width="23.52755928039551" height="6.803150177001953"/>
<one:OCRToken startPos="18" region="0" line="1" x="32.031494140625" y="17.85826683044434" width="41.10236358642578" height="6.803150177001953"/>
<one:OCRToken startPos="28" region="0" line="1" x="77.66928863525391" y="17.85826683044434" width="31.46456718444824" height="6.803150177001953"/>
................
</one:Image>
*/
/*ObjectID格式
The representation of an object to be used for identification of objects on a page. Not unique through OneNote, but unique on the page and the hierarchy.
<xsd:simpleType name="ObjectID" ">
<xsd:restriction base="xsd:string">
<xsd:pattern value="\{[a-fA-F0-9]{8}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{12}\}\{[0-9]+\}\{[A-Z][0-9]+\}" />
</xsd:restriction>
</xsd:simpleType>
*/
目前是桌面應用程序是實現了相關功能。預期期望是：任何一個系統通過webservice接口形式就能使用OCR功能。但是改成一個web程序遇到了問題，在網上找了僅有的一點點資料，也沒有解決。我瞭解到，現在使用OneNote的OCR功能的程序也都是用WinForm程序，在程序運行的過程中，會在後臺啓動OneNote程序。所以我猜測可能是由於這個原因，導致它只能做成桌面程序。
檢索 COM 類工廠中 CLSID 爲 {D7FAC39E-7FF1-49AA-98CF-A1DDD316337E} 的組件失敗，原因是出現以下錯誤: 80070005 拒絕訪問。 (異常來自 HRESULT:0x80070005 (E_ACCESSDENIED))。
web中報這個錯誤，是權限的問題。依照配置Excel，Word這類COM來找，可是發現DCOM中，一直都找不到這個ID的組件。知道的朋友麻煩告知一下，謝謝。
安裝OneNote 2010；（注：在 Microsoft Office 2003 中的工具組件中有一個“ M
web中報這個錯誤，是權限的問題。依照配置Excel，Word這類COM來找，可是發現DCOM中，一直都找不到這個ID的組件。知道的朋友麻煩告知一下，謝謝。
安裝OneNote 2010；（注：在 Microsoft Office 2003 中的工具組件中有一個“ M
程序效果圖如下：識別效果還不錯，剩下的就是根據所需要的信息，進行正則表達式的匹配就可以了。
轉載自：http://www.cnblogs.com/BenAndWang/p/5826634.html