Naskenovaná zpráva může obsahovat text, který chcete upravit nebo přidat do své dokumentace. Můžete použít OCR k rozpoznání textu a uložit jej jako Markdown, což usnadní revizi a opětovné použití v aplikaci Python.

V tomto článku se naučíte, jak převést obrázek ve formátu PNG nebo JPG do Markdownu v Pythonu pomocí Aspose.OCR for Python via .NET. Také uvidíte, jak zkontrolovat vygenerovaný obsah a prověřit tabulky a ilustrace v dokumentu.

Python OCR knihovna pro převod obrázku na Markdown

Aspose.OCR for Python via .NET vám umožňuje rozpoznávat text v obrázcích a ukládat výsledky OCR jako Markdown. Jeho režim detekce rozložení dokumentu dokáže identifikovat prvky jako textové bloky, tabulky a obrázky.

Nainstalujte verzi 26.10.0 balíčku pomocí pip:

python -m pip install aspose-ocr-python-net

Budete potřebovat podporovanou instalaci Pythonu, čitelný obrázek PNG nebo JPG a oprávnění zapisovat výstupní soubor. Pro sledování příkladu umístěte obrázek pojmenovaný report.png do adresáře, ve kterém spustíte skript. Samostatná instalace .NET runtime není vyžadována; podívejte se na systémové požadavky pro podporované platformy.

Zkušební verze omezuje množství rozpoznaného textu. Chcete‑li během hodnocení toto omezení odstranit, můžete požádat o dočasnou licenci a použít ji před rozpoznáním. Podrobnosti najdete v dokumentaci k licencování.

Převést obrázek na Markdown v Pythonu

Postupujte podle těchto kroků, abyste rozpoznali obrázek a uložili výsledek jako Markdown:

  1. Vytvořte instanci třídy AsposeOcr.
  2. Vytvořte objekt OcrInput pro jediný obrázek a přidejte soubor obrázku.
  3. Vytvořte objekt RecognitionSettings a nastavte detect_areas_mode na DOCUMENT_LAYOUT.
  4. Zavolejte metodu recognize() k zpracování obrázku.
  5. Uložte výsledky pomocí save() a SaveFormat.MD.

Pro tento příklad použijte obrázek zprávy obsahující nadpis, text, tabulku a ilustraci. Uložte následující kód do souboru s názvem image_to_markdown.py:

import aspose.ocr as ocr

# Create the OCR engine.
api = ocr.AsposeOcr()

# Add the image to the input.
ocr_input = ocr.OcrInput(ocr.InputType.SINGLE_IMAGE)
ocr_input.add("report.png")

# Enable document layout detection.
settings = ocr.RecognitionSettings()
settings.detect_areas_mode = ocr.DetectAreasMode.DOCUMENT_LAYOUT

# Recognize the image.
results = api.recognize(ocr_input, settings)

# Save the recognition result as Markdown.
results.save("report.md", ocr.SaveFormat.MD)

Spusťte skript ze složky, která obsahuje report.png:

python image_to_markdown.py

Skript načte report.png a uloží výsledek rozpoznávání jako report.md. Obě cesty jsou relativní k aktuálnímu pracovnímu adresáři. Pro převod JPG obrázku změňte vstupní cestu na váš soubor .jpg; kroky rozpoznávání a exportu zůstávají stejné.

Režim DOCUMENT_LAYOUT je určen pro dokumenty, jejichž struktura je důležitá ve výstupu. Detekce závisí na zdrojovém obrázku, proto zkontrolujte vygenerovaný Markdown oproti původnímu reportu.

Zkontrolujte vygenerovaný Markdown

Otevřete report.md v textovém editoru nebo prohlížeči Markdown. Zkontrolujte rozpoznaný text, pořadí čtení a případný obsah tabulky oproti zdrojovému obrázku. Poté můžete upravit Markdown před jeho přidáním do dokumentace.

Například tabulka v Markdownu může vypadat následovně. Toto je ilustrační syntaxe, nikoli skutečný výstup OCR:

| Produkt | Prodáno kusů | Tržby (USD) |
| --- | --- | --- |
| Produkt A | 120 | $18,000 |

Pokud vygenerovaný Markdown obsahuje odkazy na extrahované obrázky, zkontrolujte, že odkazované soubory existují a jsou zobrazeny ve vašem Markdown prohlížeči. Při přesunu souboru Markdown zachovejte jejich cesty beze změny.

Markdown popisuje obsah a strukturu; nemusí nutně reprodukovat přesný vzhled původní zprávy.

Tipy pro lepší výsledky OCR

  • Použijte jasný zdrojový obrázek. Text a okraje tabulek by měly být čitelné v původním obrázku.
  • Zvolte vhodný jazyk rozpoznávání. Nastavte RecognitionSettings.language, pokud je to potřeba. Viz dokumentace k jazykům pro dostupné možnosti.
  • Zkontrolujte důležité detaily. Porovnejte názvy, čísla, buňky tabulek a pořadí čtení se zdrojem.
  • Ověřte odkazy na obrázky. Pokud výstup odkazuje na extrahované obrázky, otevřete Markdown ve vieweru a zkontrolujte, že se zobrazují.
  • Otestujte reprezentativní dokumenty. Složité tabulky a rozvržení mohou vyžadovat ruční úpravy, proto si před použitím výstupu v automatizovaném workflow projděte příklady.

Často kladené otázky

Mohu převést jak PNG, tak JPG obrázky do Markdownu v Pythonu?

Ano. Přidejte soubor PNG nebo JPG do OcrInput, rozpoznávejte jej a uložte výsledek pomocí SaveFormat.MD.

Může Python OCR detekovat tabulky na obrázku?

Ano. Režim DOCUMENT_LAYOUT je navržen tak, aby detekoval prvky dokumentu, včetně tabulek. Prohlédněte si vygenerovaný Markdown a zkontrolujte, jak jsou tabulka a její buňky reprezentovány.

Jak zacházet s obrázky odkazovanými v souboru Markdown?

Zachovává soubor Markdown přesně původní rozvržení stránky?

Ne. Markdown představuje obsah a strukturu odlišně od obrázku stránky. Zkontrolujte vygenerovaný soubor a podle potřeby upravte jeho strukturu.

Závěr

Použijte tento postup jako výchozí bod pro převod vlastních obrázků zpráv do formátu Markdown v Pythonu. Před přidáním výsledků do dokumentace porovnejte rozpoznaný text, tabulky a případné odkazy na obrázky s originálem.

Pro více informací si přečtěte dokumentaci rozpoznávání. Pokud potřebujete pomoc, navštivte fórum podpory Aspose.OCR.

Viz také