C++ 调用 OCR 服务：使用 libcurl 发送 POST 请求获取识别结果

其中 data 字段包含识别出的所有文本行及其边界框坐标。

2. libcurl 发送 POST 请求的核心流程

使用 libcurl 发送文件上传请求的关键步骤如下：

1. 初始化 curl 句柄
2. 设置目标 URL
3. 构造 multipart 表单数据
4. 添加文件字段
5. 设置回调函数接收响应
6. 执行请求并释放资源

整个过程不涉及任何中间临时文件，内存安全且效率高。

C++ 实现完整代码示例

以下是一个完整的 C++ 程序，演示如何使用 libcurl 调用 OCR 服务并解析返回结果。

#include <iostream>
#include <string>
#include <vector>
#include <curl/curl.h>
#include <nlohmann/json.hpp>
using json = nlohmann::json;

// 回调函数：接收 HTTP 响应数据
static size_t WriteCallback(void* contents, size_t size, size_t nmemb, std::string* output) {
    size_t total_size = size * nmemb;
    output->append((char*)contents, total_size);
    return total_size;
}

// 发起 OCR 请求
bool CallOCRService(const std::string& image_path, const std::string& server_url) {
    CURL* curl;
    CURLcode res;
    struct curl_httppost* formpost = nullptr;
    struct curl_httppost* lastptr = nullptr;
    std::string response_string;

    curl_global_init(CURL_GLOBAL_ALL);
    curl = curl_easy_init();
    if (!curl) {
        std::cerr << "cURL 初始化失败" << std::endl;
        return false;
    }

    // 1. 添加文件字段
    curl_formadd(&formpost, &lastptr, CURLFORM_COPYNAME, "image", CURLFORM_FILE, image_path.c_str(), CURLFORM_CONTENTTYPE, "image/jpeg", CURLFORM_END);

    // 2. 设置请求选项
    curl_easy_setopt(curl, CURLOPT_URL, server_url.c_str());
    curl_easy_setopt(curl, CURLOPT_HTTPPOST, formpost);
    curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, WriteCallback);
    curl_easy_setopt(curl, CURLOPT_WRITEDATA, &response_string);
    curl_easy_setopt(curl, CURLOPT_TIMEOUT, 30L); // 超时 30 秒
    curl_easy_setopt(curl, CURLOPT_FOLLOWLOCATION, 1L);

    // 3. 执行请求
    res = curl_easy_perform(curl);
    if (res != CURLE_OK) {
        std::cerr << "请求失败：" << curl_easy_strerror(res) << std::endl;
        curl_easy_cleanup(curl);
        curl_formfree(formpost);
        curl_global_cleanup();
        return false;
    }

    // 4. 解析响应
    try {
        json response = json::parse(response_string);
        int code = response.value("code", -1);
        if (code == 0 && response.contains("data")) {
            std::cout << "识别成功，共检测到 " << response["data"].size() << " 行文字：" << std::endl;
            for (const auto& item : response["data"]) {
                std::cout << " \"" << item["text"].get<std::string>() << "\"" << " [Box: ";
                if (item.contains("box")) {
                    auto box = item["box"].get<std::vector<int>>();
                    for (size_t i = 0; i < box.size(); ++i) {
                        std::cout << box[i] << (i < box.size() - 1 ? "," : "");
                    }
                }
                std::cout << "]" << std::endl;
            }
        } else {
            std::cerr << "服务返回错误：" << response.value("msg", "unknown") << std::endl;
        }
    } catch (const std::exception& e) {
        std::cerr << "JSON 解析失败：" << e.what() << std::endl;
        std::cerr << "原始响应：" << response_string << std::endl;
    }

    // 5. 清理资源
    curl_easy_cleanup(curl);
    curl_formfree(formpost);
    curl_global_cleanup();
    return true;
}

int main() {
    std::string image_path = "./test.jpg"; // 替换为你的测试图片路径
    std::string server_url = "http://localhost:7860/ocr"; // OCR 服务地址
    std::cout << "正在向 " << server_url << " 发送图片..." << std::endl;
    if (CallOCRService(image_path, server_url)) {
        std::cout << "调用完成" << std::endl;
    } else {
        std::cout << "调用失败" << std::endl;
        return 1;
    }
    return 0;
}

编译与依赖配置说明

1. 安装必要库

Ubuntu/Debian:

sudo apt-get install libcurl4-openssl-dev

macOS:

brew install curl

Windows（推荐使用 vcpkg）:

vcpkg install curl

2. 引入 JSON 解析库（nlohmann/json）

由于 C++ 标准库无内置 JSON 支持，推荐使用 nlohmann/json，头文件方式集成：

git clone https://github.com/nlohmann/json.git

将 json/single_include/nlohmann 目录加入编译包含路径。

3. 编译命令（g++ 示例）

g++ -std=c++17 ocr_client.cpp \
 -I./json/single_include \
 -lcurl \
 -o ocr_client

运行：

./ocr_client

实践难点与优化建议

常见问题及解决方案

性能优化建议

1. 连接复用：对于高频调用场景，使用 curl_easy_reset() 复用句柄，避免重复初始化。
2. 设置超时：防止阻塞主线程，建议设置 CURLOPT_TIMEOUT 和 CURLOPT_CONNECTTIMEOUT。
3. 异步调用：结合多线程或 libcurl multi interface 实现并发请求。
4. 缓存 DNS：启用 CURLOPT_DNS_CACHE_TIMEOUT 减少域名解析开销。

完整调用流程图解

+------------------+ +---------------------+
| C++ Application| --> | POST /ocr (libcurl) |
+------------------+ +---------------------+
↓
+----------------------------+
| Flask Web Server (OCR API) |
+----------------------------+
↓
[图像预处理 → CRNN 推理 → 结果封装]
↓
+------------------+
| 返回 JSON 识别结果 |
+------------------+
↓
←─────────────┘

整个链路清晰可控，适合作为企业级系统的组成部分。

测试验证建议

1. 启动 OCR 服务（Docker 方式）

docker run -d -p 7860:7860 your-ocr-image:crnn-cpu

2. 准备测试图片

选择不同类型图片进行测试：

• 清晰文档（验证基础能力）
• 模糊拍照（验证预处理效果）
• 中英文混合（验证语言支持）
• 发票/表格（验证排版适应性）

3. 观察输出结果

成功调用后应看到类似输出：

✅ 识别成功，共检测到 5 行文字：
 "姓名：张三" [Box: 10,20,100,30]
 "身份证号：11010119900307XXXX" [Box: 15,40,200,50]
 ...

总结：从原理到落地的价值闭环

本文围绕'C++ 如何调用基于 CRNN 的 OCR 服务'这一核心命题，完成了从技术选型、API 分析、代码实现到工程优化的全链路实践。

核心收获总结：

1. 技术整合力提升：掌握了 C++ 与 Python Web 服务之间的跨语言通信机制。
2. 工程实用性增强：实现了无需 GUI 的自动化文字识别流程，适用于批处理、监控系统等场景。
3. 可扩展性强：该模式可迁移至其他 AI 服务调用（如语音识别、图像分类），形成统一客户端架构。

下一步学习建议

1. 进阶方向一：HTTPS 支持
   • 启用 SSL 证书验证，确保传输安全
   • 使用 CURLOPT_CAINFO 指定 CA bundle
2. 进阶方向二：Base64 编码上传
   • 将图像编码为 Base64 字符串，适用于无法传文件的环境
3. 进阶方向三：集成到 Qt/MFC 应用
   • 在图形界面中添加'上传识别'按钮，实现实时反馈
4. 资源推荐
   • libcurl 官方文档：https://curl.se/libcurl/
   • nlohmann/json GitHub：https://github.com/nlohmann/json

通过本次实践，你已具备将任意 RESTful AI 服务集成进 C++ 工程的能力——这正是现代智能系统开发的核心技能之一。