丹青识画实战教程：Python调用API实现批量图片题跋生成与PDF导出-平芜编程栈

丹青识画实战教程：Python调用API实现批量图片题跋生成与PDF导出

1. 学习目标与前置准备

本教程将手把手教你如何使用Python调用丹青识画API，实现批量图片的智能题跋生成，并将结果导出为精美的PDF文档。学完本教程后，你将能够：

掌握丹青识画API的基本调用方法
编写Python脚本实现批量图片处理
将生成的题跋内容整理为格式化的PDF文档
在实际项目中应用这项技术提升工作效率

前置知识要求：只需要基础的Python编程经验，不需要深度学习或美术背景。我们将从最基础的API调用开始讲解，确保小白也能轻松上手。

2. 环境准备与API配置

2.1 安装必要的Python库

首先确保你的Python环境版本在3.7以上，然后安装以下必要的库：

pip install requests pillow reportlab

这三个库的作用分别是：

requests：用于发送HTTP请求调用API
pillow：用于处理图片文件
reportlab：用于生成PDF文档

2.2 获取API访问密钥

要使用丹青识画服务，你需要先注册账号并获取API密钥：

访问丹青识画官方网站
注册开发者账号
在控制台创建新的应用
获取你的API Key和Secret

将密钥信息保存在安全的地方，我们将在代码中使用它们。

3. 基础API调用方法

3.1 单张图片题跋生成

让我们先从最简单的单张图片处理开始：

import requests import base64 import json def generate_inscription(api_key, image_path): # 读取图片并编码为base64 with open(image_path, "rb") as image_file: image_data = base64.b64encode(image_file.read()).decode('utf-8') # 构建API请求 url = "https://api.danqing.shihua/v1/generate" headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json" } payload = { "image": image_data, "style": "calligraphy", # 书法风格 "format": "text" # 返回文本格式 } # 发送请求 response = requests.post(url, headers=headers, json=payload) if response.status_code == 200: result = response.json() return result['inscription'] else: raise Exception(f"API调用失败: {response.status_code}") # 使用示例 api_key = "你的API密钥" image_path = "test.jpg" try: inscription = generate_inscription(api_key, image_path) print("生成的题跋:", inscription) except Exception as e: print(f"错误: {e}")

这段代码完成了图片读取、base64编码、API请求发送和结果处理的全过程。你可以替换image_path为你的图片路径进行测试。

3.2 处理不同类型的图片

丹青识画API支持多种图片格式和风格参数：

# 高级调用示例 def advanced_generate(api_key, image_path, style="calligraphy", detail_level="high"): with open(image_path, "rb") as f: image_data = base64.b64encode(f.read()).decode('utf-8') payload = { "image": image_data, "style": style, # 可选: calligraphy, poetry, simple "detail_level": detail_level, # 可选: low, medium, high "max_length": 200 # 最大生成长度 } response = requests.post( "https://api.danqing.shihua/v1/generate", headers={"Authorization": f"Bearer {api_key}"}, json=payload ) return response.json()

4. 批量处理实战教程

4.1 批量处理图片脚本

现在我们来编写批量处理多张图片的完整脚本：

import os import time from pathlib import Path def batch_process_images(api_key, input_folder, output_file="results.txt"): """ 批量处理文件夹中的所有图片 """ # 支持的图片格式 supported_formats = ['.jpg', '.jpeg', '.png', '.bmp', '.tiff'] # 获取所有图片文件 image_files = [] for format in supported_formats: image_files.extend(Path(input_folder).glob(f"*{format}")) image_files.extend(Path(input_folder).glob(f"*{format.upper()}")) results = [] for i, image_path in enumerate(image_files): print(f"处理第 {i+1}/{len(image_files)} 张图片: {image_path.name}") try: inscription = generate_inscription(api_key, str(image_path)) results.append({ "filename": image_path.name, "inscription": inscription, "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") }) # 避免频繁调用，添加短暂延迟 time.sleep(0.5) except Exception as e: print(f"处理 {image_path.name} 时出错: {e}") results.append({ "filename": image_path.name, "error": str(e), "timestamp": time.strftime("%Y-%m-%d %H:%M:%S") }) # 保存结果 with open(output_file, 'w', encoding='utf-8') as f: for result in results: if 'inscription' in result: f.write(f"图片: {result['filename']}\n") f.write(f"题跋: {result['inscription']}\n") f.write(f"时间: {result['timestamp']}\n") f.write("-" * 50 + "\n") else: f.write(f"图片: {result['filename']} - 错误: {result['error']}\n") return results # 使用示例 api_key = "你的API密钥" input_folder = "path/to/your/images" results = batch_process_images(api_key, input_folder)

4.2 错误处理与重试机制

在实际批量处理中，网络波动或API限制可能导致失败，我们需要添加重试机制：

def robust_generate_inscription(api_key, image_path, max_retries=3): """ 带重试机制的API调用 """ for attempt in range(max_retries): try: return generate_inscription(api_key, image_path) except Exception as e: if attempt == max_retries - 1: raise e print(f"第{attempt+1}次尝试失败，等待重试...") time.sleep(2 ** attempt) # 指数退避

5. PDF导出功能实现

5.1 创建美观的PDF文档

使用reportlab库将题跋结果导出为PDF：

from reportlab.lib.pagesizes import A4 from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle from reportlab.lib.units import mm from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, Image from reportlab.lib.utils import ImageReader def create_pdf_report(results, output_pdf="inscriptions_report.pdf"): """ 创建题跋报告PDF """ doc = SimpleDocTemplate(output_pdf, pagesize=A4) styles = getSampleStyleSheet() # 自定义样式 title_style = ParagraphStyle( 'CustomTitle', parent=styles['Heading1'], fontSize=16, spaceAfter=30, alignment=1 # 居中 ) content_style = ParagraphStyle( 'CustomContent', parent=styles['BodyText'], fontSize=11, spaceAfter=12, leading=14 ) story = [] # 添加标题 story.append(Paragraph("丹青识画 - 题跋生成报告", title_style)) story.append(Spacer(1, 20)) # 添加每个图片的题跋 for result in results: if 'inscription' in result: # 图片文件名 story.append(Paragraph(f"<b>图片:</b> {result['filename']}", content_style)) # 题跋内容 story.append(Paragraph(f"<b>题跋:</b> {result['inscription']}", content_style)) # 时间戳 story.append(Paragraph(f"<b>时间:</b> {result['timestamp']}", content_style)) story.append(Spacer(1, 15)) # 生成PDF doc.build(story) print(f"PDF报告已生成: {output_pdf}") # 使用示例 create_pdf_report(results)

5.2 高级PDF美化功能

如果你想要更精美的PDF输出，可以添加更多样式：

def create_beautiful_pdf(results, output_pdf="beautiful_inscriptions.pdf"): from reportlab.lib.colors import HexColor doc = SimpleDocTemplate(output_pdf, pagesize=A4) styles = getSampleStyleSheet() # 更精美的样式 beautiful_style = ParagraphStyle( 'BeautifulStyle', parent=styles['BodyText'], fontSize=12, textColor=HexColor('#333333'), backColor=HexColor('#FFFFEF'), borderColor=HexColor('#DDDDDD'), borderWidth=1, borderPadding=10, spaceAfter=15 ) story = [] # 添加精美标题 title = Paragraph( "<font color='#8B4513' size=18>丹青识画 · 墨香雅集</font>", ParagraphStyle('Title', alignment=1) ) story.append(title) story.append(Spacer(1, 25)) # 添加内容 for result in results: if 'inscription' in result: content = f""" <b><font color='#8B4513'>〖{result['filename']}〗</font></b><br/> {result['inscription']}<br/> <font color='#888888' size=9>{result['timestamp']}</font> """ story.append(Paragraph(content, beautiful_style)) doc.build(story)

6. 完整实战示例

6.1 端到端的批量处理脚本

下面是一个完整的脚本，包含所有功能：

import os import time import requests import base64 from pathlib import Path from reportlab.lib.pagesizes import A4 from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle class DanqingProcessor: def __init__(self, api_key): self.api_key = api_key self.api_url = "https://api.danqing.shihua/v1/generate" def process_single_image(self, image_path): """处理单张图片""" try: with open(image_path, "rb") as f: image_data = base64.b64encode(f.read()).decode('utf-8') response = requests.post( self.api_url, headers={"Authorization": f"Bearer {self.api_key}"}, json={"image": image_data, "style": "calligraphy"} ) if response.status_code == 200: return response.json().get('inscription', '') else: return f"API错误: {response.status_code}" except Exception as e: return f"处理错误: {str(e)}" def process_batch(self, input_folder, output_txt="results.txt", output_pdf="report.pdf"): """批量处理并生成报告""" image_files = list(Path(input_folder).glob('*.[jJ][pP][gG]')) + \ list(Path(input_folder).glob('*.[pP][nN][gG]')) results = [] for img_path in image_files: print(f"处理: {img_path.name}") inscription = self.process_single_image(img_path) results.append({ 'filename': img_path.name, 'inscription': inscription, 'timestamp': time.strftime("%Y-%m-%d %H:%M") }) time.sleep(0.5) # 避免频繁调用 # 保存文本结果 with open(output_txt, 'w', encoding='utf-8') as f: for res in results: f.write(f"{res['filename']}: {res['inscription']}\n") # 生成PDF报告 self.generate_pdf(results, output_pdf) return results def generate_pdf(self, results, output_pdf): """生成PDF报告""" doc = SimpleDocTemplate(output_pdf, pagesize=A4) styles = getSampleStyleSheet() story = [] story.append(Paragraph("丹青识画批量处理报告", styles['Heading1'])) story.append(Spacer(1, 20)) for res in results: content = f""" <b>{res['filename']}</b><br/> {res['inscription']}<br/> <i>{res['timestamp']}</i> """ story.append(Paragraph(content, styles['BodyText'])) story.append(Spacer(1, 10)) doc.build(story) # 使用示例 if __name__ == "__main__": processor = DanqingProcessor("你的API密钥") results = processor.process_batch( input_folder="你的图片文件夹路径", output_txt="题跋结果.txt", output_pdf="题跋报告.pdf" ) print("处理完成！")

7. 实用技巧与注意事项

7.1 性能优化建议

并发处理：如果需要处理大量图片，可以使用多线程（但注意API的速率限制）
图片预处理：调整图片大小到合适尺寸（建议最长边不超过2000像素）
错误日志：添加详细的日志记录，便于排查问题

7.2 常见问题解决

API调用限制：丹青识画API可能有调用频率限制，建议添加适当的延迟
图片格式问题：确保图片格式受支持，损坏的图片会导致处理失败
网络问题：添加重试机制处理临时的网络波动

7.3 最佳实践

先用小批量图片测试脚本是否正常工作
定期备份处理结果
根据实际需求调整PDF的样式和格式
考虑添加进度显示，便于监控长时间的处理任务

8. 总结回顾

通过本教程，我们完整学习了如何使用Python调用丹青识画API实现批量图片题跋生成和PDF导出。关键知识点包括：

API基础调用：学会了如何准备图片数据、发送请求和处理响应
批量处理：掌握了遍历文件夹、处理多文件的方法
PDF导出：使用reportlab库创建美观的报告文档
错误处理：添加了重试机制和异常处理，提高脚本的健壮性

这个技术可以应用于很多实际场景，比如：

为摄影作品批量添加艺术描述
为数字画展生成自动化解说
为文创产品制作特色标签
个人照片集的艺术化整理

下一步学习建议：

尝试集成到Web应用中，制作在线题跋生成工具
探索更多样式参数，生成不同风格的题跋
结合其他AI服务，打造更丰富的创作流程

希望本教程能帮助你快速上手丹青识画API，在实际项目中发挥创意，创作出更多有趣的应用！

获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

丹青识画实战教程：Python调用API实现批量图片题跋生成与PDF导出