Un rapport numérisé peut contenir du texte que vous souhaitez modifier ou ajouter à votre documentation. Vous pouvez utiliser l’OCR pour reconnaître le texte et l’enregistrer au format Markdown, ce qui facilite la révision et la réutilisation dans une application Python.

Dans cet article, vous apprendrez comment convertir une image PNG ou JPG en Markdown avec Python en utilisant Aspose.OCR for Python via .NET. Vous verrez également comment examiner le contenu généré et vérifier les tableaux et les illustrations du document.

Bibliothèque OCR Python pour la conversion d’images en Markdown

Aspose.OCR for Python via .NET vous permet de reconnaître du texte dans les images et d’enregistrer les résultats OCR au format Markdown. Son mode de détection de la mise en page du document peut identifier des éléments tels que des blocs de texte, des tableaux et des images.

Installez la version 26.10.0 du package avec pip :

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

Vous aurez besoin d’une installation Python prise en charge, d’une image PNG ou JPG lisible, et d’une autorisation d’écrire le fichier de sortie. Pour suivre l’exemple, placez une image nommée report.png dans le répertoire où vous exécuterez le script. Une installation distincte du runtime .NET n’est pas requise ; consultez les exigences système pour les plateformes prises en charge.

La version d’essai limite la quantité de texte reconnu. Pour supprimer cette restriction pendant l’évaluation, vous pouvez demander une licence temporaire et l’appliquer avant la reconnaissance. Consultez la documentation de licence pour plus de détails.

Convertir une image en Markdown en Python

Suivez ces étapes pour reconnaître une image et enregistrer le résultat au format Markdown :

  1. Créez une instance de la classe AsposeOcr.
  2. Créez un objet OcrInput pour une seule image et ajoutez le fichier image.
  3. Créez un objet RecognitionSettings et définissez detect_areas_mode sur DOCUMENT_LAYOUT.
  4. Appelez la méthode recognize() pour traiter l’image.
  5. Enregistrez les résultats en utilisant save() et SaveFormat.MD.

Pour cet exemple, utilisez une image de rapport contenant un titre, du texte, un tableau et une illustration. Enregistrez le code suivant dans un fichier nommé 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)

Exécutez le script depuis le répertoire contenant report.png :

python image_to_markdown.py

Le script lit report.png et enregistre le résultat de la reconnaissance sous report.md. Les deux chemins sont relatifs au répertoire de travail actuel. Pour convertir une image JPG, modifiez le chemin d’entrée vers votre fichier .jpg ; les étapes de reconnaissance et d’exportation restent les mêmes.

Le mode DOCUMENT_LAYOUT est destiné aux documents dont la structure est importante dans la sortie. La détection dépend de l’image source, il faut donc examiner le Markdown généré par rapport au rapport original.

Examinez le Markdown généré

Ouvrez report.md dans un éditeur de texte ou un visualiseur Markdown. Vérifiez le texte reconnu, l’ordre de lecture et tout contenu de tableau par rapport à l’image source. Vous pouvez ensuite modifier le Markdown avant de l’ajouter à votre documentation.

Par exemple, un tableau en Markdown peut ressembler à ce qui suit. Ceci est une syntaxe illustrative, pas une sortie OCR réelle :

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

Si le Markdown généré contient des références à des images extraites, vérifiez que les fichiers référencés existent et s’affichent dans votre visualiseur Markdown. Conservez leurs chemins intacts lors du déplacement du fichier Markdown.

Markdown décrit le contenu et la structure ; il ne reproduit pas nécessairement l’apparence exacte du rapport original.

Conseils pour de meilleurs résultats OCR

  • Utilisez une image source claire. Le texte et les bordures de tableau doivent être lisibles dans l’image originale.
  • Choisissez la langue de reconnaissance appropriée. Définissez RecognitionSettings.language si nécessaire. Consultez la documentation des langues pour les options disponibles.
  • Vérifiez les détails importants. Comparez les noms, les numéros, les cellules du tableau et l’ordre de lecture avec la source.
  • Vérifiez les références d’images. Si la sortie fait référence à des images extraites, ouvrez le Markdown dans un visualiseur et assurez‑vous qu’elles apparaissent.
  • Testez des documents représentatifs. Les tableaux et mises en page complexes peuvent nécessiter des corrections manuelles, alors examinez les exemples avant d’utiliser la sortie dans un flux de travail automatisé.

Questions fréquentes

Puis-je convertir à la fois les images PNG et JPG en Markdown avec Python ?

Oui. Ajoutez le fichier PNG ou JPG à OcrInput, reconnaissez‑le, puis enregistrez le résultat avec SaveFormat.MD.

Python OCR peut-il détecter des tableaux dans une image ?

Oui. Le mode DOCUMENT_LAYOUT est conçu pour détecter les éléments du document, y compris les tableaux. Examinez le Markdown généré pour vérifier comment le tableau et ses cellules sont représentés.

Comment gérer les images référencées par le fichier Markdown ?

Le fichier Markdown préserve-t-il exactement la mise en page originale ?

Remarque. Le Markdown représente le contenu et la structure différemment d’une image de page. Examinez le fichier généré et ajustez sa structure si nécessaire.

Conclusion

Utilisez ce flux de travail comme point de départ pour convertir vos propres images de rapport en Markdown avec Python. Avant d’ajouter les résultats à votre documentation, comparez le texte reconnu, les tableaux et les références d’images avec l’original.

Pour plus d’informations, consultez la documentation de reconnaissance. Si vous avez besoin d’aide, visitez le forum de support Aspose.OCR.

Voir aussi