En skannad rapport kan innehålla text som du vill redigera eller lägga till i din dokumentation. Du kan använda OCR för att känna igen texten och spara den som Markdown, vilket gör det enklare att granska och återanvända i en Python‑applikation.

I den här artikeln kommer du att lära dig hur du konverterar en PNG eller JPG bild till Markdown i Python med Aspose.OCR for Python via .NET. Du kommer också att se hur du granskar det genererade innehållet och kontrollerar dokumentets tabeller och illustrationer.

Python OCR-bibliotek för bild‑till‑Markdown‑konvertering

Aspose.OCR for Python via .NET låter dig känna igen text i bilder och spara OCR‑resultat som Markdown. Dess dokumentlayoutdetekteringsläge kan identifiera element såsom textblock, tabeller och bilder.

Installera version 26.10.0 av paketet med pip:

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

Du behöver en stödjande Python‑installation, en läsbar PNG‑ eller JPG‑bild och behörighet att skriva utdatafilen. För att följa exemplet, placera en bild med namnet report.png i katalogen där du kör skriptet. En separat .NET‑runtime‑installation krävs inte; se systemkrav för stödjade plattformar.

Den provversionen begränsar mängden igenkänd text. För att ta bort denna begränsning under utvärderingen kan du begära en tillfällig licens och tillämpa den innan igenkänning. Se licensdokumentationen för detaljer.

Konvertera en bild till Markdown i Python

Följ dessa steg för att känna igen en bild och spara resultatet som Markdown:

  1. Skapa en instans av klassen AsposeOcr.
  2. Skapa ett OcrInput‑objekt för en enda bild och lägg till bildfilen.
  3. Skapa ett RecognitionSettings‑objekt och sätt detect_areas_mode till DOCUMENT_LAYOUT.
  4. Anropa metoden recognize() för att bearbeta bilden.
  5. Spara resultaten med save() och SaveFormat.MD.

För detta exempel, använd en rapportbild som innehåller en rubrik, text, en tabell och en illustration. Spara följande kod i en fil med namnet 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)

Kör skriptet från katalogen som innehåller report.png:

python image_to_markdown.py

Scriptet läser report.png och sparar igenkänningsresultatet som report.md. Båda sökvägarna är relativa till den aktuella arbetskatalogen. För att konvertera en JPG‑bild, ändra inmatningssökvägen till din .jpg‑fil; igenkännings‑ och exportstegen förblir desamma.

Läget DOCUMENT_LAYOUT är avsett för dokument vars struktur är viktig i utdata. Detektering beror på källbilden, så granska den genererade Markdownen mot den ursprungliga rapporten.

Granska den genererade markdownen

Öppna report.md i en textredigerare eller Markdown‑visare. Kontrollera den igenkända texten, läsordningen och eventuell tabellinnehåll mot källbilden. Du kan sedan redigera Markdown innan du lägger till den i din dokumentation.

Till exempel kan en tabell i Markdown se ut som följande. Detta är illustrativ syntax, inte faktisk OCR‑utdata:

| Produkt | Sålda enheter | Intäkter (USD) |
| --- | --- | --- |
| Produkt A | 120 | $18,000 |

Om den genererade Markdown-filen innehåller referenser till extraherade bilder, kontrollera att de refererade filerna finns och visas i din Markdown‑visare. Behåll deras sökvägar intakta när du flyttar Markdown‑filen.

Markdown beskriver innehåll och struktur; den återger inte nödvändigtvis det exakta utseendet på den ursprungliga rapporten.

Tips för bättre OCR-resultat

  • Använd en tydlig källbild. Text och tabellramar bör vara läsbara i den ursprungliga bilden.
  • Välj lämpligt igenkänningsspråk. Ställ in RecognitionSettings.language vid behov. Se den language documentation för tillgängliga alternativ.
  • Kontrollera viktiga detaljer. Jämför namn, siffror, tabellceller och läsordning med källan.
  • Verifiera bildreferenser. Om utdata refererar till extraherade bilder, öppna Markdown-filen i en visare och kontrollera att de visas.
  • Testa representativa dokument. Komplexa tabeller och layouter kan behöva manuella korrigeringar, så granska exempel innan du använder utdata i ett automatiserat arbetsflöde.

Vanliga frågor

Kan jag konvertera både PNG- och JPG-bilder till Markdown i Python?

Ja. Lägg till PNG- eller JPG-filen i OcrInput, känna igen den och spara resultatet med SaveFormat.MD.

Kan Python OCR upptäcka tabeller i en bild?

Ja. DOCUMENT_LAYOUT‑läget är utformat för att upptäcka dokumentelement, inklusive tabeller. Granska den genererade Markdown‑texten för att se hur tabellen och dess celler representeras.

Hur hanterar jag bilder som refereras av Markdown-filen?

Bevarar Markdown-filen den ursprungliga sidlayouten exakt?

Nej. Markdown representerar innehåll och struktur annorlunda än en sidavbild. Granska den genererade filen och justera dess struktur där det behövs.

Slutsats

Använd detta arbetsflöde som en utgångspunkt för att konvertera dina egna rapportbilder till Markdown i Python. Innan du lägger till resultaten i din dokumentation, jämför den igenkända texten, tabellerna och eventuella bildreferenser med originalet.

För mer information, se dokumentation för igenkänning. Om du behöver hjälp, besök Aspose.OCR supportforum.

Se även