def count_characters_excluding(s, exclusions=(' ', ',')):
    """
    文字列sの中の文字数をカウントし、exclusionsに含まれる文字を除外します。
    """
    filtered_text = ''.join([char for char in s if char not in exclusions])
    return len(filtered_text)

# 使用例
text = "こんにちは、 みなさん。"
print(count_characters_excluding(text))  # 11と出力されます（空白、カンマを除外）

def calculate_difference_and_ratio(actual, expected):
    # 文字数のカウント
    actual_count = len(actual)
    expected_count = len(expected)
    
    # 期待値と実測値の差分を求める
    count_difference = actual_count - expected_count
    
    # 実測値が期待値からどれだけ離れたかの比率を求める
    # ここでは、実測値と期待値の差分の絶対値を期待値で割っています
    ratio = abs(count_difference) / expected_count * 100

    return actual_count, expected_count, count_difference, ratio

# 実測値
actual = "xxx"
# 期待値
expected = "xxx"

actual_count, expected_count, count_difference, ratio = calculate_difference_and_ratio(actual, expected)

print(f"実測値の文字数: {actual_count}")
print(f"期待値の文字数: {expected_count}")
print(f"文字数の差分: {count_difference}")
print(f"実測値が期待値から離れている比率: {ratio:.2f}%")

2023-08-02

Azure Computer Visionを用いて、OCRを実行！

本記事について

Azure Computer Visionを用いて、OCRを実行します。

コード

import os
import time
from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from msrest.authentication import CognitiveServicesCredentials
from azure.cognitiveservices.vision.computervision.models import OperationStatusCodes
from azure.cognitiveservices.vision.computervision.models import ComputerVisionOcrErrorException
import pprint

key = os.environ["AZURE_ACCOUNT_KEY"]
endpoint = os.environ["AZURE_END_POINT"]

def detect_texts_from_image(image_path) -> list[str]:
    """
    与えられた画像ファイルパスから画像を読み込み、その画像から抽出した文字列のリストを返します。

    Parameters:
        image_path (str): 画像ファイルのパス。読み込む画像のファイルパスを指定します。

    Returns:
        list[str]: 画像から抽出した文字列のリスト。画像内のテキストが空の場合、空のリストを返します。
    """

    computervision_client = ComputerVisionClient(endpoint, CognitiveServicesCredentials(key))
    local_image = open(image_path, "rb")

    try:
        recognize_results = computervision_client.read_in_stream(local_image, language="ja", raw=True)
    except ComputerVisionOcrErrorException as e:
        print("errors:", e.response)
        return None

    # 結果を取得するための操作IDを取得
    operation_location_remote = recognize_results.headers["Operation-Location"]
    operation_id = operation_location_remote.split("/")[-1]

    # 結果が利用可能になるまで待つ
    while True:
        get_text_results = computervision_client.get_read_result(operation_id)
        if get_text_results.status not in ["notStarted", "running"]:
            break
        time.sleep(1)

    result_lines: list[str] = []

    # テキストの出力
    if get_text_results.status == OperationStatusCodes.succeeded:
        for text_result in get_text_results.analyze_result.read_results:
            for line in text_result.lines:
                result_lines.append(line.text)

        return result_lines
    else:
        print(f"OperationStatusCodesがsucceeded以外 [{get_text_results.status}]")
        return None


image_path = "./input_images/レンタカー/レンタカー予約詳細.png"  # ローカルの画像パス

result_lines = detect_texts_from_image(image_path)

if result_lines is not None:
    pprint.pprint(result_lines)

    # 改行を含んだ文字列のリストを作成する
    result_lines_with_newlines = [line + '\n' for line in result_lines]

    with open("./output_text/output.txt", "w", encoding="utf-8") as f:
        f.writelines(result_lines_with_newlines)

else:
    print("画像から文字列取得に失敗しました。")

参考リンク

2023-07-30

Google Cloud Translationを用いて、各言語に同時に翻訳実行します

翻訳の自動化について

翻訳の自動化はGoogle Cloud Translation以外には、DeepLのAPIを用いることも可能です

Google Translate Sample

# Imports the Google Cloud Translation library
from google.cloud import translate
import pandas as pd


# Initialize Translation client
def translate_text(
        target_string: str,
        project_id: str,
        source_language: str,
        target_language: str) -> translate.TranslationServiceClient:
    """Translating Text."""

    client = translate.TranslationServiceClient()

    location = "global"

    parent = f"projects/{project_id}/locations/{location}"

    # Translate text from English to French
    # Detail on supported types can be found here:
    # https://cloud.google.com/translate/docs/supported-formats
    response = client.translate_text(
        request={
            "parent": parent,
            "contents": [target_string],
            "mime_type": "text/plain",  # mime types: text/plain, text/html
            "source_language_code": source_language,
            "target_language_code": target_language,
        }
    )

    return response.translations[0].translated_text


project_id = "spherical-bloom-394122"
target_text = "吾輩わがはいは猫である。名前はまだ無い。どこで生れたかとんと見当けんとうがつかぬ。何でも薄暗いじめじめした所でニャーニャー泣いていた事だけは記憶している。"

result = translate_text(target_text, project_id, "ja", "en")
print(type(result))
print(result)

language_list = ["ja", "en", "fr", "de", "it", "pt", "es", "nl", "ru", "ko", "zh-hans", "zh-hant", "tr"]

translated_text_list = []

for target_language in language_list:
    if "ja" == target_language:
        continue
    result_text = translate_text(target_text, project_id, "ja", target_language)
    translated_text_list.append(result_text)

print(type(translated_text_list))
print(translated_text_list)

data = [
    [language_list],
    [translated_text_list],
]

df = pd.DataFrame(data)

df

2023-07-30

Google Cloud Vision API

Google Cloud Visionの設定について

Cloud Vision の設定とクリーンアップ

Google Cloud Vision APIサンプルコード

画像から文字列を抽出して、実際に取り出してきた値と期待値を比較して類似度を求めます

import io
import os
import difflib
from google.cloud import vision


def detect_texts_from_image(image_path: str) -> list[str]:
    """
    画像から文字列を抽出して表示します

    Parameters:
        image_path (str): 画像ファイルパスを指定する

    Returns:
        list[str]: 画像から抽出した文字列のリスト。
                   API呼び出し時のエラー発生時、画像から文字列を検出できなかった場合はエラーを返す
    """
    try:
        # 画像をバイナリデータとして読み込む
        with io.open(image_path, 'rb') as image_file:
            content = image_file.read()

        # Google Cloud Vision APIのクライアントを作成
        client = vision.ImageAnnotatorClient()

        # 画像内のテキストを抽出する
        image = vision.Image(content=content)
        response = client.text_detection(image=image)

        # 画像内にテキストが存在しない場合
        if not response.text_annotations:
            print("画像内に文字列を検出できませんでした。")
            return None

        result_text: str = response.text_annotations[0].description
        print(result_text)
        return result_text.splitlines()

    except Exception as e:
        # エラーが発生した場合の処理
        print("エラーが発生しました:", str(e))
        return None


def calculate_similarity(actual: str, expected: str) -> float:

    # SequenceMatcherオブジェクトを作成
    seq_matcher = difflib.SequenceMatcher(None, actual, expected)
    # 類似度を取得
    result = seq_matcher.ratio()
    return result


image_path = os.path.abspath("{任意の画像ファイル}.jpg")
detect_text_lines = detect_texts_from_image(image_path)

for item_actual in detect_text_lines:
    類似度= calculate_similarity(item_actual , "期待値の文字列")

nprogram’s blog

気ままに、プログラミングのトピックについて書いていきます

WSL2 メモ

使用ディレクトリについて

Windows11 + WSL + Ubuntu + VSCode + Git + GitHub で快適な開発環境を構築【2024アップグレード版】

PostgreSQL

PostgreSQL備忘録

Selenium4

はじめに

ファインチューニング

文字数カウントを作成する

文字数カウントする処理を記載します

Azure Computer Visionを用いて、OCRを実行！

本記事について

コード

参考リンク

Google Cloud Translationを用いて、各言語に同時に翻訳実行します

翻訳の自動化について

Google Translate Sample

Google Cloud Vision API

Google Cloud Visionの設定について

Google Cloud Vision APIサンプルコード