【Ruby】Google cloud vision APIを使って画像からテキストを抽出する

課題

Google vision apiを使ってドキュメントのスキャン画像からテキストを抽出する。

準備

1. 画像を準備

jpg、pngなどに対応している。pdfの場合はこれらの形式の画像に変換する必要がある。

2. gemをインストール

bundlerを使う場合はGemfileを用意する。

source "https://rubygems.org"
gem "google-cloud-vision"

そうしたらbundle install を実行する。

$ bundle install
Using public_suffix 3.0.3
Using addressable 2.5.2
Using bundler 1.16.1
Using multipart-post 2.0.0
Using faraday 0.15.4
Using google-cloud-env 1.0.5
Using google-cloud-core 1.2.7
Using google-protobuf 3.6.1 (x86_64-linux)
Using googleapis-common-protos-types 1.0.2
Using grpc 1.17.1 (x86_64-linux)
Using googleapis-common-protos 1.3.7
Using jwt 2.1.0
Using memoist 0.16.0
Using multi_json 1.13.1
Using os 1.0.0
Using signet 0.11.0
Using googleauth 0.6.7
Using rly 0.2.3
Using google-gax 1.4.0
Using google-cloud-vision 0.28.0
Bundle complete! 1 Gemfile dependency, 20 gems now installed.
Use `bundle info [gemname]` to see where a bundled gem is installed.

依存モジュールがまとめてインストールされた。

3. APIの鍵情報を設定

GoogleのAPIをたたくために鍵情報（認証情報）を設定しよう。

認証情報が書かれたJSONファイル（GCPコンソールからダウンロードできる）をスクリプトから参照させる方法をとる。

そのためにはまず.bashrcなどに次の一行をくわえる。

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/wd/credential.json"

credential.jsonのところに実際のファイル名を入れる。このようにするとGOOGLE_APPLICATION_CREDENTIALSという環境変数を自動的にみるようになる。

スクリプト

次にスクリプトの本体を書こう。

require "google/cloud/vision"

project_id = "xxxx" # GCPのコンソールで調べる
image_path = './doc.jpg' # スキャン画像など

vision = Google::Cloud::Vision.new(project: project_id)
image  = vision.image(image_path)

document = image.document

puts document.text

実行すると、doc.jpgから抽出されたテキストが出力されるとおもう。

雑感

鍵情報の読み込み方がよくわからなくて困った。公式ドキュメントを探したのだけど、見つからなかった。結局、スクリプトを実行して、エラーに書かれたURLに設定方法が書いてあった。環境変数を設定する の箇所を参照のこと。 https://developers.google.com/accounts/docs/application-default-credentials