掃描的報告可能包含您想要編輯或加入文件的文字。您可以使用 OCR 來識別文字，並將其儲存為 Markdown，這樣更方便在 Python 應用程式中檢視和重複使用。

在本文中，您將學習如何使用 Aspose.OCR for Python via .NET 在 Python 中將 PNG 或 JPG 圖像轉換為 Markdown。您還將了解如何審查生成的內容以及檢查文檔中的表格和插圖。

Python OCR 函式庫，用於圖像到 Markdown 的轉換

Aspose.OCR for Python via .NET 讓您能夠在圖像中識別文字，並將 OCR 結果保存為 Markdown。其文件佈局檢測模式可以識別諸如文字塊、表格和圖像等元素。

使用 pip 安裝 26.10.0 版的套件：

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

您需要安裝受支援的 Python、可讀取的 PNG 或 JPG 圖片，並具備寫入輸出檔案的權限。若要遵循範例，請將名為 report.png 的圖像放置在執行腳本的目錄中。無需額外的 .NET 執行時安裝；請參閱 系統需求 以了解受支援的平台。

試用版限制可辨識的文字量。若要在評估期間移除此限制，您可以申請 temporary license 並在辨識前套用它。請參閱 licensing documentation 以獲取詳細資訊。

在 Python 中將圖像轉換為 Markdown

按照以下步驟識別圖像並將結果保存為 Markdown：

  1. 建立 AsposeOcr 類別的實例。
  2. 為單張圖像建立 OcrInput 物件，並加入圖像檔案。
  3. 建立 RecognitionSettings 物件，並將 detect_areas_mode 設為 DOCUMENT_LAYOUT。
  4. 呼叫 recognize() 方法以處理圖像。
  5. 使用 save() 和 SaveFormat.MD 儲存結果。

對此範例，請使用包含標題、文字、表格和插圖的報告圖像。將以下程式碼儲存為名為 image_to_markdown.py 的檔案：

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)

從包含 report.png 的目錄執行腳本：

python image_to_markdown.py

此腳本讀取 report.png，並將識別結果保存為 report.md。兩個路徑均相對於當前工作目錄。若要轉換 JPG 圖像，將輸入路徑更改為您的 .jpg 檔案；識別和匯出步驟保持不變。

DOCUMENT_LAYOUT 模式旨在用於結構在輸出中很重要的文件。檢測取決於來源圖像，因此請將生成的 Markdown 與原始報告進行比對。

檢視產生的 Markdown

在文字編輯器或 Markdown 檢視器中開啟 report.md。將辨識出的文字、閱讀順序以及任何表格內容與來源圖像進行比對。然後，您可以在將其加入文件之前編輯 Markdown。

例如，Markdown 中的表格可能如下所示。這是 說明性語法，非實際 OCR 輸出：

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

如果生成的 Markdown 包含對已提取圖像的引用，請檢查所引用的文件是否存在並在您的 Markdown 查看器中顯示。移動 Markdown 文件時，保持其路徑不變。

Markdown 描述內容與結構；它不一定會完整重現原始報告的外觀。

提升 OCR 結果的技巧

  • 使用清晰的來源圖像。 文本和表格邊框應在原始圖像中可讀。
  • 選擇適當的識別語言。 需要時設定 RecognitionSettings.language。請參閱語言文件以了解可用選項。
  • 檢查重要細節。 將名稱、數字、表格單元格和閱讀順序與來源進行比較。
  • 驗證圖像引用。 如果輸出引用了提取的圖像，請在檢視器中打開 Markdown 並檢查它們是否顯示。
  • 測試代表性文件。 複雜的表格和佈局可能需要手動校正，請在將輸出用於自動化工作流程之前先審查示例。

常見問題

我可以在 Python 中將 PNG 和 JPG 圖像都轉換為 Markdown 嗎？

是的。將 PNG 或 JPG 檔案加入 OcrInput，識別它，並使用 SaveFormat.MD 保存結果。

Python OCR 能夠偵測圖像中的表格嗎？

是的。DOCUMENT_LAYOUT 模式旨在檢測文檔元素，包括表格。請檢查生成的 Markdown，以查看表格及其單元格的表示方式。

如何處理 Markdown 檔案引用的圖片？

Markdown 檔案是否精確保留原始頁面布局？

不。Markdown 以不同於頁面圖像的方式表示內容和結構。請檢查生成的檔案，並在需要時調整其結構。

結論

使用此工作流程作為將您自己的報告圖像轉換為 Python 中的 Markdown 的起點。在將結果添加到文檔之前，請將識別的文字、表格以及任何圖像引用與原始內容進行比較。

如需更多資訊，請參閱識別文件說明。如果需要協助，請造訪Aspose.OCR 支援論壇。

另見