Сканований звіт може містити текст, який ви хочете редагувати або додати до вашої документації. Ви можете використати OCR для розпізнавання тексту та зберегти його у форматі Markdown, що полегшує перегляд та повторне використання в Python‑застосунку.

У цій статті ви дізнаєтеся, як конвертувати зображення у форматі PNG або JPG у Markdown за допомогою Python, використовуючи Aspose.OCR for Python via .NET. Ви також побачите, як переглянути згенерований вміст і перевірити таблиці та ілюстрації документа.

Бібліотека OCR для Python для перетворення зображень у Markdown

Aspose.OCR for Python via .NET дозволяє розпізнавати текст на зображеннях та зберігати результати OCR у форматі Markdown. Його режим виявлення макету документа може ідентифікувати такі елементи, як текстові блоки, таблиці та зображення.

Встановіть версію 26.10.0 пакету за допомогою pip:

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

Вам знадобиться підтримувана установка Python, придатне PNG або JPG зображення та дозвіл на запис вихідного файлу. Щоб слідувати прикладу, розмістіть зображення з назвою report.png у каталозі, де ви будете запускати скрипт. Окреме встановлення .NET runtime не потрібне; перегляньте вимоги до системи для підтримуваних платформ.

Пробна версія обмежує кількість розпізнаного тексту. Щоб зняти це обмеження під час оцінки, ви можете запросити тимчасову ліцензію і застосувати її перед розпізнаванням. Дивіться документацію з ліцензування для деталей.

Перетворити зображення у Markdown у Python

Виконайте наступні кроки, щоб розпізнати зображення та зберегти результат у форматі Markdown:

  1. Створіть екземпляр класу AsposeOcr.
  2. Створіть об’єкт OcrInput для одного зображення та додайте файл зображення.
  3. Створіть об’єкт RecognitionSettings і встановіть detect_areas_mode у DOCUMENT_LAYOUT.
  4. Викличте метод recognize(), щоб обробити зображення.
  5. Збережіть результати, використовуючи save() та SaveFormat.MD.

Для цього прикладу використайте зображення звіту, яке містить заголовок, текст, таблицю та ілюстрацію. Збережіть наведений нижче код у файлі з назвою 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)

Запустіть скрипт у каталозі, що містить report.png:

python image_to_markdown.py

Скрипт читає report.png і зберігає результат розпізнавання у файл report.md. Обидва шляхи є відносними до поточної робочої директорії. Щоб конвертувати зображення JPG, змініть шлях до вхідного файлу на ваш .jpg файл; кроки розпізнавання та експорту залишаються незмінними.

Режим DOCUMENT_LAYOUT призначений для документів, структура яких важлива у вихідному результаті. Виявлення залежить від вихідного зображення, тому перегляньте згенерований Markdown щодо оригінального звіту.

Огляд згенерованого Markdown

Відкрийте report.md у текстовому редакторі або переглядачі Markdown. Перевірте розпізнаний текст, порядок читання та будь‑який вміст таблиці порівняно з вихідним зображенням. Потім ви можете відредагувати Markdown перед додаванням його до вашої документації.

Наприклад, таблиця в Markdown може виглядати наступним чином. Це ілюстративний синтаксис, а не фактичний результат OCR:

| Продукт | Продано одиниць | Дохід (USD) |
| --- | --- | --- |
| Продукт A | 120 | $18,000 |

Якщо згенерований Markdown містить посилання на витягнуті зображення, переконайтеся, що зазначені файли існують і відображаються у вашому переглядачі Markdown. Зберігайте їхні шляхи незмінними під час переміщення файлу Markdown.

Markdown описує вміст і структуру; він не обов’язково відтворює точний вигляд оригінального звіту.

Поради щодо кращих результатів OCR

  • Використовуйте чітке вихідне зображення. Текст і межі таблиці мають бути читабельними у вихідному зображенні.
  • Виберіть відповідну мову розпізнавання. Встановіть RecognitionSettings.language, коли це потрібно. Дивіться документація щодо мов для доступних варіантів.
  • Перевірте важливі деталі. Порівняйте імена, числа, клітинки таблиці та порядок читання з вихідним матеріалом.
  • Перевірте посилання на зображення. Якщо вихідний файл містить посилання на витягнуті зображення, відкрийте Markdown у переглядачі та переконайтеся, що вони відображаються.
  • Протестуйте представницькі документи. Складні таблиці та макети можуть вимагати ручних корекцій, тому перегляньте приклади перед використанням вихідних даних у автоматизованому процесі.

Поширені запитання

Чи можу я конвертувати PNG і JPG зображення у Markdown у Python?

Так. Додайте PNG або JPG файл до OcrInput, розпізнайте його та збережіть результат за допомогою SaveFormat.MD.

Чи може Python OCR виявляти таблиці на зображенні?

Так. Режим DOCUMENT_LAYOUT розроблений для виявлення елементів документа, включаючи таблиці. Перегляньте згенерований Markdown, щоб перевірити, як представлена таблиця та її клітинки.

Як обробляти зображення, на які посилається файл Markdown?

Чи зберігає файл Markdown оригінальне розташування сторінки точно?

Ні. Markdown представляє вміст і структуру інакше, ніж зображення сторінки. Перегляньте згенерований файл і, за потреби, скорегуйте його структуру.

Висновок

Використовуйте цей робочий процес як відправну точку для перетворення власних зображень звітів у Markdown за допомогою Python. Перш ніж додавати результати до вашої документації, порівняйте розпізнаний текст, таблиці та будь‑які посилання на зображення з оригіналом.

Для отримання додаткової інформації перегляньте документацію з розпізнавання. Якщо вам потрібна допомога, відвідайте форум підтримки Aspose.OCR.

Дивіться також