Отсканированный отчет может содержать текст, который вы хотите отредактировать или добавить в свою документацию. Вы можете использовать OCR для распознавания текста и сохранить его в формате Markdown, что упростит просмотр и повторное использование в приложении на Python.

В этой статье вы узнаете, как преобразовать изображение в формате PNG или JPG в Markdown на Python с использованием Aspose.OCR for Python via .NET. Вы также увидите, как просмотреть сгенерированный контент и проверить таблицы и иллюстрации документа.

Библиотека OCR на Python для преобразования изображений в Markdown

Aspose.OCR for Python via .NET позволяет распознавать текст на изображениях и сохранять результаты OCR в виде Markdown. Его режим обнаружения макета документа может идентифицировать такие элементы, как текстовые блоки, таблицы и изображения.

Установите версию 26.10.0 пакета с помощью pip:

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

Вам понадобится поддерживаемая установка Python, читаемый PNG или JPG‑изображение и разрешение на запись выходного файла. Чтобы следовать примеру, поместите изображение с именем report.png в каталог, из которого вы будете запускать скрипт. Отдельная установка среды выполнения .NET не требуется; см. требования к системе для поддерживаемых платформ.

Пробная версия ограничивает количество распознаваемого текста. Чтобы снять это ограничение во время оценки, вы можете запросить временную лицензию и применить её перед распознаванием. См. документацию по лицензированию для получения подробностей.

Преобразовать изображение в Markdown на Python

Выполните следующие шаги, чтобы распознать изображение и сохранить результат в виде Markdown:

  1. Создайте экземпляр класса AsposeOcr.
  2. Создайте объект OcrInput для одного изображения и добавьте файл изображения.
  3. Создайте объект RecognitionSettings и установите detect_areas_mode в DOCUMENT_LAYOUT.
  4. Вызовите метод recognize() для обработки изображения.
  5. Сохраните результаты, используя save() и SaveFormat.MD.

Для этого примера используйте изображение отчёта, содержащее заголовок, текст, таблицу и иллюстрацию. Сохраните следующий код в файл с именем 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)

Запустите скрипт из каталога, содержащего report.png:

python image_to_markdown.py

Скрипт читает report.png и сохраняет результат распознавания как report.md. Оба пути относительны к текущему рабочему каталогу. Чтобы конвертировать изображение JPG, измените путь входного файла на ваш файл .jpg; шаги распознавания и экспорта остаются прежними.

DOCUMENT_LAYOUT режим предназначен для документов, структура которых важна в выводе. Обнаружение зависит от исходного изображения, поэтому проверьте сгенерированный Markdown по сравнению с оригинальным отчётом.

Обзор сгенерированного Markdown

Откройте report.md в текстовом редакторе или просмотрщике Markdown. Проверьте распознанный текст, порядок чтения и любое табличное содержимое по сравнению с исходным изображением. Затем вы можете отредактировать Markdown перед добавлением его в вашу документацию.

Для примера таблица в Markdown может выглядеть следующим образом. Это иллюстративный синтаксис, а не реальный вывод OCR:

| Продукт | Продано единиц | Выручка (USD) |
| --- | --- | --- |
| Продукт A | 120 | $18,000 |

Если сгенерированный Markdown содержит ссылки на извлечённые изображения, проверьте, что указанные файлы существуют и отображаются в вашем просмотрщике Markdown. Сохраните их пути неизменными при перемещении файла Markdown.

Markdown описывает содержание и структуру; он не обязательно воспроизводит точный внешний вид оригинального отчёта.

Советы для получения лучших результатов OCR

  • Используйте чёткое исходное изображение. Текст и границы таблиц должны быть разборчивыми на оригинальном изображении.
  • Выберите подходящий язык распознавания. При необходимости установите RecognitionSettings.language. См. документацию по языкам для доступных вариантов.
  • Проверьте важные детали. Сравните имена, номера, ячейки таблиц и порядок чтения с оригиналом.
  • Проверьте ссылки на изображения. Если вывод содержит ссылки на извлечённые изображения, откройте Markdown в просмотрщике и убедитесь, что они отображаются.
  • Тестируйте репрезентативные документы. Сложные таблицы и макеты могут требовать ручных исправлений, поэтому просмотрите примеры перед использованием вывода в автоматическом рабочем процессе.

Часто задаваемые вопросы

Можно ли конвертировать как PNG, так и JPG изображения в Markdown на Python?

Да. Добавьте PNG или JPG файл в OcrInput, распознайте его и сохраните результат с помощью SaveFormat.MD.

Может ли Python OCR обнаруживать таблицы на изображении?

Да. Режим DOCUMENT_LAYOUT предназначен для обнаружения элементов документа, включая таблицы. Просмотрите сгенерированный Markdown, чтобы проверить, как представлены таблица и её ячейки.

Как обрабатывать изображения, на которые ссылается файл Markdown?

Сохраняет ли файл Markdown оригинальное расположение страницы точно?

Нет. Markdown представляет контент и структуру иначе, чем изображение страницы. Проверьте сгенерированный файл и при необходимости скорректируйте его структуру.

Заключение

Используйте этот рабочий процесс в качестве отправной точки для преобразования собственных изображений отчётов в Markdown с помощью Python. Прежде чем добавить результаты в документацию, сравните распознанный текст, таблицы и любые ссылки на изображения с оригиналом.

Для получения дополнительной информации см. документацию по распознаванию. Если вам нужна помощь, посетите форум поддержки Aspose.OCR.

См. также