MUI调用照片以及裁剪和图库照片上传到服务器【后端部分】

涉及技术：

前端：MUI

后端：Flask

数据库：MongoDB

一.MUI后端接受照片

1.1 主要的py文件

先设置固定接受照片路由，用于处理数据请求。

@app.route("/photo", methods=['POST', 'GET'])

我们在上一篇中写到，前端以及将目的照片将照片的文件流转换为besa64格式的数据流，所以我们在后端里，需要接受它的baes64的数据流文件：

score = request.form.get("imageBase64")

现在的score里面就是我们需要的照片流。我们将其代码模块化，新建一个Photo的py文件。

在主要的py文件里将里面的三个方法引入到我们需要的PHOTO文件里面：

from Photo import imgshibie, wordshibie,translate

1.2 在子模块Photo中调用API

我们首先引入需要的py模块包，如下：

import requests
import base64
import http.client
import hashlib
import urllib
import random
import json

1.2.1 调用通用文字识别（高精度版）某度

百度通用翻译API,不包含词典、tts语音合成等资源。

coding=utf-8

调用调用通用文字识别的目的URL

request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"

二进制方式打开图片文件

img=imgByteArr
access_tokenx = "XXXXXX"
params = {"image": img}

access_tokenx为个人的token，需要个人申请。

params存放着我们的目标二进制方式图片文件。

调用其API

request_url = request_url + "?access_token=" + access_tokenx
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)

如果识别成功：

 qwes=response.json()['words_result']
            overword=""
            for word in qwes:
                overword =overword+word["words"]
            # print(overword)
            return overword

调用某度的API之后，返回本次文字识别的结果，返回给主要的py里，后面会响应给前端。

通用物体和场景识别：

目的的API为

 request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v2/advanced_general"

1.2.2 中文和英文相互翻译API调用

百度appid和密钥需要通过注册百度【翻译开放平台】账号后获得。

appid = 'XXXX'  # 填写你的appid
secretKey = 'XXXX'  # 填写你的密钥

这里有一个需求，因为我需要上传一个图片，然后进行一个文字提取：有俩种情况

• 如果是中文：翻译为英文返回到前端
• 如果是英文：翻译为中文返回到前端

通用翻译API HTTP地址如下：

   httpClient = None
    myurl = '/api/trans/vip/translate'

写一个检验是否含有中文字符的字函数：

def is_contains_chinese(strs):
    for _char in strs:
        if '\u4e00' <= _char <= '\u9fa5':
            return True
    return False

如果这个函数里面，传入的值含有中文字符的值，返回True，否则返回Faalse。

实现，如果是中文：翻译为英文返回到前端，如果是英文：翻译为中文返回到前端

    if is_contains_chinese(translate):
        fromLang = 'auto'  # 原文语种
        toLang = 'en'
    else:
        fromLang = 'auto'  # 原文语种
        toLang = 'zh'

手动录入翻译内容，q存放

    q = translate
    sign = appid + q + str(salt) + secretKey
    sign = hashlib.md5(sign.encode()).hexdigest()
    myurl = myurl + '?appid=' + appid + '&q=' + urllib.parse.quote(q) + '&from=' + fromLang + \
            '&to=' + toLang + '&salt=' + str(salt) + '&sign=' + sign

建立会话，返回结果。

response是HTTPResponse对象

httpClient = http.client.HTTPConnection('api.fanyi.baidu.com')
httpClient.request('GET', myurl)
response = httpClient.getresponse()
result_all = response.read().decode("utf-8")
result = json.loads(result_all)

返回值结果如下：

二 . MUI和Flask的特点

MUI的特点：

极小：100k的js文件，60k的css文件。原生编写，不依赖任何三方框架 极强：xcode和Android studio里所有原生控件都具备 高性能：精练的代码、适时的5+原生动画调用，达到原生应用的体验 多端发布：编写一套代码，iOS、Android、浏览器、微信H5、百度直达号、流应用全覆盖

Flask的特点:

良好的文档、丰富的插件、包含开发服务器和调试器（debugger）、集成支持单元测试、RESTful请求调度、支持安全cookies、基于Unicode**。**