รายงานที่สแกนอาจมีข้อความที่คุณต้องการแก้ไขหรือเพิ่มในเอกสารของคุณ คุณสามารถใช้ OCR เพื่อจดจำข้อความและบันทึกเป็น Markdown ทำให้การตรวจสอบและนำกลับมาใช้ใหม่ในแอปพลิเคชัน Python ง่ายขึ้น

ในบทความนี้ คุณจะได้เรียนรู้วิธีแปลงภาพ PNG หรือ JPG เป็น Markdown ด้วย Python โดยใช้ Aspose.OCR for Python via .NET คุณยังจะได้เห็นวิธีตรวจสอบเนื้อหาที่สร้างขึ้นและตรวจสอบตารางและภาพประกอบของเอกสาร

ไลบรารี OCR ของ Python สำหรับการแปลงภาพเป็น Markdown

Aspose.OCR for Python via .NET ช่วยให้คุณจดจำข้อความในภาพและบันทึกผลลัพธ์ OCR เป็น Markdown. โหมดการตรวจจับโครงสร้างเอกสารสามารถระบุองค์ประกอบต่าง ๆ เช่น บล็อกข้อความ ตาราง และภาพ.

ติดตั้งเวอร์ชัน 26.10.0 ของแพ็กเกจด้วย pip:

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

คุณจะต้องมีการติดตั้ง Python ที่รองรับ, รูปภาพ PNG หรือ JPG ที่อ่านได้, และสิทธิ์ในการเขียนไฟล์ผลลัพธ์ เพื่อทำตามตัวอย่าง ให้วางรูปภาพชื่อ report.png ไว้ในไดเรกทอรีที่คุณจะรันสคริปต์ ไม่จำเป็นต้องติดตั้ง .NET runtime แยกต่างหาก; ดู system requirements สำหรับแพลตฟอร์มที่รองรับ.

รุ่นทดลองจำกัดจำนวนข้อความที่ได้รับการจดจำ เพื่อเอาข้อจำกัดนี้ออกระหว่างการประเมิน คุณสามารถขอ ใบอนุญาตชั่วคราว และนำไปใช้ก่อนการจดจำ ดู เอกสารการให้สิทธิ์ สำหรับรายละเอียด

แปลงรูปภาพเป็น Markdown ด้วย Python

ทำตามขั้นตอนต่อไปนี้เพื่อจดจำภาพและบันทึกผลลัพธ์เป็น Markdown:

  1. สร้างอินสแตนซ์ของคลาส AsposeOcr.
  2. สร้างอ็อบเจ็กต์ OcrInput สำหรับรูปภาพเดียวและเพิ่มไฟล์รูปภาพ.
  3. สร้างอ็อบเจ็กต์ RecognitionSettings และตั้งค่า detect_areas_mode เป็น DOCUMENT_LAYOUT.
  4. เรียกเมธอด recognize() เพื่อประมวลผลรูปภาพ.
  5. บันทึกผลลัพธ์โดยใช้ save() และ SaveFormat.MD.

สำหรับตัวอย่างนี้ ให้ใช้ภาพรายงานที่มีหัวข้อ, ข้อความ, ตาราง และภาพประกอบ. บันทึกรหัสต่อไปนี้ลงในไฟล์ชื่อ 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)

เรียกใช้สคริปต์จากไดเรกทอรีที่มีไฟล์ report.png:

python image_to_markdown.py

สคริปต์อ่าน report.png และบันทึกผลการจดจำเป็น report.md ทั้งสองเส้นทางเป็นเส้นทางสัมพัทธ์ต่อไดเรกทอรีทำงานปัจจุบัน เพื่อแปลงภาพ JPG ให้เปลี่ยนเส้นทางอินพุตเป็นไฟล์ .jpg ของคุณ; ขั้นตอนการจดจำและการส่งออกยังคงเหมือนเดิม.

โหมด DOCUMENT_LAYOUT มีจุดประสงค์สำหรับเอกสารที่โครงสร้างมีความสำคัญในผลลัพธ์ การตรวจจับขึ้นอยู่กับภาพต้นฉบับ ดังนั้นควรตรวจสอบ Markdown ที่สร้างขึ้นเทียบกับรายงานต้นฉบับ

ตรวจสอบ Markdown ที่สร้างขึ้น

เปิด report.md ในโปรแกรมแก้ไขข้อความหรือโปรแกรมดู Markdown ตรวจสอบข้อความที่จดจำได้ ลำดับการอ่าน และเนื้อหาในตารางใด ๆ กับภาพต้นฉบับ คุณสามารถแก้ไข Markdown ก่อนนำไปเพิ่มในเอกสารของคุณได้

ตัวอย่างเช่น ตารางใน Markdown อาจมีลักษณะดังต่อไปนี้ นี่คือ ไวยากรณ์เพื่ออธิบายตัวอย่าง ไม่ใช่ผลลัพธ์ OCR จริง:

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

หาก Markdown ที่สร้างขึ้นมีการอ้างอิงถึงภาพที่แยกออกมา ให้ตรวจสอบว่าไฟล์ที่อ้างอิงมีอยู่และปรากฏในโปรแกรมดู Markdown ของคุณ รักษาเส้นทางของไฟล์เหล่านั้นให้คงเดิมเมื่อย้ายไฟล์ Markdown

Markdown อธิบายเนื้อหาและโครงสร้าง; ไม่ได้จำเป็นต้องทำสำเนารูปลักษณ์ที่แน่นอนของรายงานต้นฉบับ

เคล็ดลับเพื่อผลลัพธ์ OCR ที่ดียิ่งขึ้น

  • ใช้ภาพต้นฉบับที่ชัดเจน. ข้อความและเส้นขอบตารางควรอ่านได้ในภาพต้นฉบับ
  • เลือกภาษาการจดจำที่เหมาะสม. ตั้งค่า RecognitionSettings.language เมื่อจำเป็น ดู เอกสารเกี่ยวกับภาษา สำหรับตัวเลือกที่มี
  • ตรวจสอบรายละเอียดสำคัญ. เปรียบเทียบชื่อ, ตัวเลข, เซลล์ตาราง, และลำดับการอ่านกับต้นฉบับ
  • ตรวจสอบการอ้างอิงภาพ. หากผลลัพธ์อ้างอิงถึงภาพที่ถูกดึงออกมา เปิดไฟล์ Markdown ในโปรแกรมดูและตรวจสอบว่าภาพปรากฏหรือไม่
  • ทดสอบเอกสารตัวอย่าง. ตารางและเลย์เอาต์ที่ซับซ้อนอาจต้องการการแก้ไขด้วยมือ ดังนั้นควรตรวจสอบตัวอย่างก่อนนำผลลัพธ์ไปใช้ในกระบวนการอัตโนมัติ

คำถามที่พบบ่อย

ฉันสามารถแปลงภาพ PNG และ JPG ทั้งสองเป็น Markdown ด้วย Python ได้หรือไม่?

ใช่. เพิ่มไฟล์ PNG หรือ JPG ไปยัง OcrInput แล้วทำการจดจำ แล้วบันทึกผลลัพธ์ด้วย SaveFormat.MD

Python OCR สามารถตรวจจับตารางในภาพได้หรือไม่?

ใช่ โหมด DOCUMENT_LAYOUT ถูกออกแบบมาเพื่อค้นหาองค์ประกอบของเอกสาร รวมถึงตารางด้วย ตรวจสอบ Markdown ที่สร้างขึ้นเพื่อดูว่าตารางและเซลล์ของมันถูกแสดงอย่างไร

ฉันจะจัดการรูปภาพที่อ้างอิงโดยไฟล์ Markdown อย่างไร?

หากผลลัพธ์มีลิงก์รูปภาพ ให้ค้นหาไฟล์ที่อ้างอิงและรักษาเส้นทางของไฟล์ไว้โดยไม่เปลี่ยนแปลงเมื่อย้ายไฟล์ Markdown เปิดไฟล์ในโปรแกรมดู Markdown เพื่อยืนยันว่ารูปภาพแสดงผลได้

ไฟล์ Markdown รักษาเค้าโครงหน้าเดิมอย่างแม่นยำหรือไม่?

ไม่. Markdown แสดงเนื้อหาและโครงสร้างแตกต่างจากภาพหน้า. ตรวจสอบไฟล์ที่สร้างขึ้นและปรับโครงสร้างตามที่จำเป็น.

สรุป

ใช้ขั้นตอนการทำงานนี้เป็นจุดเริ่มต้นสำหรับการแปลงภาพรายงานของคุณเป็น Markdown ใน Python ก่อนที่จะเพิ่มผลลัพธ์ลงในเอกสารของคุณ ให้เปรียบเทียบข้อความที่ได้รับการจดจำ ตาราง และการอ้างอิงภาพใด ๆ กับต้นฉบับ

For more information, see the เอกสารการจดจำ. If you need help, visit the Aspose.OCR ฟอรั่มสนับสนุน.

ดูเพิ่มเติม