Un informe escaneado puede contener texto que deseas editar o agregar a tu documentación. Puedes usar OCR para reconocer el texto y guardarlo como Markdown, lo que facilita su revisión y reutilización en una aplicación Python.

En este artículo, aprenderás cómo convertir una imagen PNG o JPG a Markdown en Python usando Aspose.OCR for Python via .NET. También verás cómo revisar el contenido generado y comprobar las tablas e ilustraciones del documento.

Biblioteca OCR de Python para la conversión de imagen a Markdown

Aspose.OCR for Python via .NET le permite reconocer texto en imágenes y guardar los resultados de OCR como Markdown. Su modo de detección de diseño de documento puede identificar elementos como bloques de texto, tablas e imágenes.

Instale la versión 26.10.0 del paquete con pip:

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

Necesitará una instalación de Python compatible, una imagen PNG o JPG legible y permiso para escribir el archivo de salida. Para seguir el ejemplo, coloque una imagen llamada report.png en el directorio donde ejecutará el script. No se requiere una instalación separada del runtime .NET; consulte los requisitos del sistema para plataformas compatibles.

La versión de prueba limita la cantidad de texto reconocido. Para eliminar esta restricción durante la evaluación, puede solicitar una licencia temporal y aplicarla antes del reconocimiento. Consulte la documentación de licencias para obtener más detalles.

Convertir una imagen a Markdown en Python

Siga estos pasos para reconocer una imagen y guardar el resultado como Markdown:

  1. Cree una instancia de la clase AsposeOcr.
  2. Cree un objeto OcrInput para una sola imagen y agregue el archivo de imagen.
  3. Cree un objeto RecognitionSettings y establezca detect_areas_mode en DOCUMENT_LAYOUT.
  4. Llame al método recognize() para procesar la imagen.
  5. Guarde los resultados usando save() y SaveFormat.MD.

Para este ejemplo, use una imagen de informe que contenga un encabezado, texto, una tabla y una ilustración. Guarde el siguiente código en un archivo llamado 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)

Ejecute el script desde el directorio que contiene report.png:

python image_to_markdown.py

El script lee report.png y guarda el resultado del reconocimiento como report.md. Ambas rutas son relativas al directorio de trabajo actual. Para convertir una imagen JPG, cambie la ruta de entrada a su archivo .jpg; los pasos de reconocimiento y exportación permanecen iguales.

El modo DOCUMENT_LAYOUT está destinado a documentos cuya estructura es importante en la salida. La detección depende de la imagen de origen, por lo que debe revisar el Markdown generado con respecto al informe original.

Revisar el Markdown generado

Abre report.md en un editor de texto o visor de Markdown. Verifica el texto reconocido, el orden de lectura y cualquier contenido de tabla contra la imagen original. Luego puedes editar el Markdown antes de añadirlo a tu documentación.

Por ejemplo, una tabla en Markdown puede verse como la siguiente. Esto es sintaxis ilustrativa, no salida real de OCR:

| Product | Units Sold | Revenue (USD) |
| --- | --- | --- |
| Product A | 120 | $18,000 |

Si el Markdown generado contiene referencias a imágenes extraídas, verifique que los archivos referenciados existan y aparezcan en su visor de Markdown. Mantenga sus rutas intactas al mover el archivo Markdown.

Markdown describe el contenido y la estructura; no reproduce necesariamente la apariencia exacta del informe original.

Consejos para obtener mejores resultados de OCR

  • Utilice una imagen fuente clara. El texto y los bordes de la tabla deben ser legibles en la imagen original.
  • Elija el idioma de reconocimiento apropiado. Establezca RecognitionSettings.language cuando sea necesario. Consulte la documentación de idiomas para ver las opciones disponibles.
  • Verifique los detalles importantes. Compare nombres, números, celdas de tabla y el orden de lectura con la fuente.
  • Verifique las referencias de imágenes. Si la salida hace referencia a imágenes extraídas, abra el Markdown en un visor y compruebe que aparecen.
  • Pruebe documentos representativos. Las tablas y diseños complejos pueden requerir correcciones manuales, por lo que debe revisar los ejemplos antes de usar la salida en un flujo de trabajo automatizado.

Preguntas frecuentes

¿Puedo convertir tanto imágenes PNG como JPG a Markdown en Python?

Sí. Añade el archivo PNG o JPG a OcrInput, reconócelo y guarda el resultado con SaveFormat.MD.

¿Puede OCR de Python detectar tablas en una imagen?

Sí. El modo DOCUMENT_LAYOUT está diseñado para detectar elementos del documento, incluidas las tablas. Revise el Markdown generado para comprobar cómo se representan la tabla y sus celdas.

¿Cómo manejo las imágenes referenciadas por el archivo Markdown?

¿El archivo Markdown conserva exactamente el diseño original de la página?

No. Markdown representa el contenido y la estructura de manera diferente a una imagen de página. Revise el archivo generado y ajuste su estructura donde sea necesario.

Conclusión

Utilice este flujo de trabajo como punto de partida para convertir sus propias imágenes de informe a Markdown en Python. Antes de agregar los resultados a su documentación, compare el texto reconocido, las tablas y cualquier referencia de imagen con el original.

Para obtener más información, consulte la documentación de reconocimiento. Si necesita ayuda, visite el foro de soporte de Aspose.OCR.

Ver también