Ein gescannter Bericht kann Text enthalten, den Sie bearbeiten oder zu Ihrer Dokumentation hinzufügen möchten. Sie können OCR verwenden, um den Text zu erkennen und ihn als Markdown zu speichern, was die Überprüfung und Wiederverwendung in einer Python‑Anwendung erleichtert.

In diesem Artikel lernen Sie, wie Sie ein PNG oder JPG Bild in Markdown in Python mit Aspose.OCR for Python via .NET konvertieren. Sie sehen außerdem, wie Sie den generierten Inhalt überprüfen und die Tabellen und Abbildungen des Dokuments prüfen.

Python OCR-Bibliothek für die Bild-zu-Markdown-Konvertierung

Aspose.OCR for Python via .NET ermöglicht es Ihnen, Text in Bildern zu erkennen und OCR‑Ergebnisse als Markdown zu speichern. Der Dokumentlayout‑Erkennungsmodus kann Elemente wie Textblöcke, Tabellen und Bilder identifizieren.

Installieren Sie Version 26.10.0 des Pakets mit pip:

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

Sie benötigen eine unterstützte Python‑Installation, ein lesbares PNG‑ oder JPG‑Bild und die Berechtigung, die Ausgabedatei zu schreiben. Um dem Beispiel zu folgen, legen Sie ein Bild mit dem Namen report.png in das Verzeichnis, in dem Sie das Skript ausführen. Eine separate .NET‑Laufzeitinstallation ist nicht erforderlich; siehe die Systemanforderungen für unterstützte Plattformen.

Die Testversion begrenzt die Menge des erkannten Textes. Um diese Einschränkung während der Evaluierung zu entfernen, können Sie eine temporäre Lizenz anfordern und sie vor der Erkennung anwenden. Siehe die Lizenzierungsdokumentation für Details.

Ein Bild in Markdown in Python konvertieren

Befolgen Sie diese Schritte, um ein Bild zu erkennen und das Ergebnis als Markdown zu speichern:

  1. Erstellen Sie eine Instanz der AsposeOcr-Klasse.
  2. Erstellen Sie ein OcrInput-Objekt für ein einzelnes Bild und fügen Sie die Bilddatei hinzu.
  3. Erstellen Sie ein RecognitionSettings-Objekt und setzen Sie detect_areas_mode auf DOCUMENT_LAYOUT.
  4. Rufen Sie die Methode recognize() auf, um das Bild zu verarbeiten.
  5. Speichern Sie die Ergebnisse mit save() und SaveFormat.MD.

Verwenden Sie für dieses Beispiel ein Berichtbild, das eine Überschrift, Text, eine Tabelle und eine Abbildung enthält. Speichern Sie den folgenden Code in einer Datei mit dem Namen 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)

Führen Sie das Skript aus dem Verzeichnis aus, das report.png enthält:

python image_to_markdown.py

Das Skript liest report.png und speichert das Erkennungsergebnis als report.md. Beide Pfade sind relativ zum aktuellen Arbeitsverzeichnis. Um ein JPG‑Bild zu konvertieren, ändern Sie den Eingabepfad zu Ihrer .jpg‑Datei; die Erkennungs‑ und Export‑Schritte bleiben gleich.

Der DOCUMENT_LAYOUT Modus ist für Dokumente gedacht, deren Struktur im Ergebnis wichtig ist. Die Erkennung hängt vom Quellbild ab, daher sollten Sie das erzeugte Markdown mit dem Originalbericht vergleichen.

Überprüfen Sie das generierte Markdown

Öffnen Sie report.md in einem Texteditor oder Markdown‑Betrachter. Überprüfen Sie den erkannten Text, die Lesereihenfolge und etwaige Tabelleninhalte anhand des Quellbildes. Anschließend können Sie das Markdown bearbeiten, bevor Sie es zu Ihrer Dokumentation hinzufügen.

Zum Beispiel kann eine Tabelle in Markdown wie folgt aussehen. Dies ist illustrative Syntax, nicht das tatsächliche OCR-Ergebnis:

| Produkt | Verkaufte Einheiten | Umsatz (USD) |
| --- | --- | --- |
| Produkt A | 120 | $18,000 |

Wenn das erzeugte Markdown Verweise auf extrahierte Bilder enthält, überprüfen Sie, ob die referenzierten Dateien vorhanden sind und in Ihrem Markdown‑Betrachter angezeigt werden. Bewahren Sie ihre Pfade unverändert, wenn Sie die Markdown‑Datei verschieben.

Markdown beschreibt Inhalt und Struktur; es reproduziert nicht unbedingt das genaue Aussehen des Originalberichts.

Tipps für bessere OCR-Ergebnisse

  • Verwenden Sie ein klares Quellbild. Text und Tabellenränder sollten im Originalbild lesbar sein.
  • Wählen Sie die passende Erkennungssprache. Setzen Sie RecognitionSettings.language, wenn nötig. Siehe die Sprachdokumentation für verfügbare Optionen.
  • Überprüfen Sie wichtige Details. Vergleichen Sie Namen, Zahlen, Tabellenzellen und die Lesereihenfolge mit der Quelle.
  • Überprüfen Sie Bildreferenzen. Wenn die Ausgabe extrahierte Bilder referenziert, öffnen Sie das Markdown in einem Viewer und prüfen Sie, ob sie angezeigt werden.
  • Testen Sie repräsentative Dokumente. Komplexe Tabellen und Layouts können manuelle Korrekturen erfordern, daher sollten Sie Beispiele prüfen, bevor Sie die Ausgabe in einem automatisierten Workflow verwenden.

Häufig gestellte Fragen

Kann ich sowohl PNG- als auch JPG-Bilder in Markdown in Python konvertieren?

Ja. Fügen Sie die PNG‑ oder JPG‑Datei zu OcrInput hinzu, erkennen Sie sie und speichern Sie das Ergebnis mit SaveFormat.MD.

Kann Python OCR Tabellen in einem Bild erkennen?

Ja. Der DOCUMENT_LAYOUT‑Modus ist dafür ausgelegt, Dokumentelemente zu erkennen, einschließlich Tabellen. Überprüfen Sie das generierte Markdown, um zu sehen, wie die Tabelle und ihre Zellen dargestellt werden.

Wie gehe ich mit Bildern um, die in der Markdown-Datei referenziert werden?

Wenn die Ausgabe Bildlinks enthält, suchen Sie die referenzierten Dateien und behalten Sie deren Pfade unverändert bei, wenn Sie das Markdown verschieben. Öffnen Sie die Datei in einem Markdown‑Betrachter, um zu bestätigen, dass die Bilder angezeigt werden.

Behält die Markdown-Datei das ursprüngliche Seitenlayout exakt bei?

Nein. Markdown stellt Inhalte und Struktur anders dar als ein Seitenbild. Überprüfen Sie die erzeugte Datei und passen Sie ihre Struktur bei Bedarf an.

Fazit

Verwenden Sie diesen Workflow als Ausgangspunkt, um Ihre eigenen Berichtsbilder in Markdown in Python zu konvertieren. Bevor Sie die Ergebnisse zu Ihrer Dokumentation hinzufügen, vergleichen Sie den erkannten Text, Tabellen und alle Bildverweise mit dem Original.

Für weitere Informationen siehe die Erkennungsdokumentation. Wenn Sie Hilfe benötigen, besuchen Sie das Aspose.OCR Support-Forum.

Siehe auch