扫描报告可能包含您想要编辑或添加到文档中的文本。您可以使用 OCR 识别文本并将其保存为 Markdown，从而更容易在 Python 应用程序中进行审阅和重复使用。

在本文中，您将学习如何使用 Aspose.OCR for Python via .NET 将 PNG 或 JPG 图像转换为 Markdown。您还将了解如何审阅生成的内容并检查文档的表格和插图。

Python OCR 库用于图像转 Markdown 转换

Aspose.OCR for Python via .NET 让您能够识别图像中的文本并将 OCR 结果保存为 Markdown。其文档布局检测模式可以识别诸如文本块、表格和图像等元素。

使用 pip 安装版本 26.10.0 的包：

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

您需要一个受支持的 Python 安装、一个可读取的 PNG 或 JPG 图像，以及写入输出文件的权限。要运行示例，请在运行脚本的目录中放置名为 report.png 的图像。无需单独的 .NET 运行时安装；请参阅 系统要求 了解受支持的平台。

试用版限制了可识别的文本量。要在评估期间移除此限制，您可以请求一个临时许可证并在识别前应用它。有关详细信息，请参阅许可文档。

在 Python 中将图像转换为 Markdown

按照以下步骤识别图像并将结果保存为 Markdown：

  1. 创建 AsposeOcr 类的实例。
  2. 为单个图像创建 OcrInput 对象并添加图像文件。
  3. 创建 RecognitionSettings 对象并将 detect_areas_mode 设置为 DOCUMENT_LAYOUT。
  4. 调用 recognize() 方法处理图像。
  5. 使用 save() 和 SaveFormat.MD 保存结果。

在本示例中，使用包含标题、文本、表格和插图的报告图像。将以下代码保存为名为 image_to_markdown.py 的文件：

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)

在包含 report.png 的目录中运行脚本：

python image_to_markdown.py

脚本读取 report.png 并将识别结果保存为 report.md。两个路径都是相对于当前工作目录的。要转换 JPG 图像，请将输入路径更改为你的 .jpg 文件；识别和导出步骤保持不变。

DOCUMENT_LAYOUT 模式旨在处理结构在输出中很重要的文档。检测取决于源图像，因此请将生成的 Markdown 与原始报告进行对比。

审阅生成的 Markdown

在文本编辑器或 Markdown 查看器中打开 report.md。检查识别的文本、阅读顺序以及任何表格内容是否与源图像匹配。然后，您可以在将其添加到文档之前编辑 Markdown。

例如，Markdown 中的表格可能如下所示。这是 说明性语法，而非实际 OCR 输出：

| 产品 | 销售数量 | 收入 (USD) |
| --- | --- | --- |
| 产品 A | 120 | $18,000 |

如果生成的 Markdown 包含对提取图像的引用，请检查所引用的文件是否存在并在您的 Markdown 查看器中显示。移动 Markdown 文件时，请保持其路径不变。

Markdown 描述内容和结构；它不一定会完全再现原始报告的外观。

提升 OCR 结果的技巧

  • 使用清晰的源图像。 文本和表格边框应在原始图像中可读。
  • 选择合适的识别语言。 在需要时设置 RecognitionSettings.language。请参阅语言文档了解可用选项。
  • 检查重要细节。 将名称、数字、表格单元格和阅读顺序与源进行比较。
  • 验证图像引用。 如果输出引用了提取的图像，请在查看器中打开 Markdown 并检查它们是否显示。
  • 测试代表性文档。 复杂的表格和布局可能需要手动校正，因此在将输出用于自动化工作流之前，请先审阅示例。

常见问题

我可以在 Python 中将 PNG 和 JPG 图像都转换为 Markdown 吗？

是的。将 PNG 或 JPG 文件添加到 OcrInput，进行识别，然后使用 SaveFormat.MD 保存结果。

Python OCR 能检测图像中的表格吗？

是的。DOCUMENT_LAYOUT 模式旨在检测文档元素，包括表格。请检查生成的 Markdown，以查看表格及其单元格的表示方式。

如何处理 Markdown 文件引用的图像？

如果输出中包含图像链接，请定位引用的文件并在移动 Markdown 时保持其路径完整。打开 Markdown 查看器以确认图像是否显示。

Markdown 文件是否完全保留原始页面布局？

不。Markdown 以不同于页面图像的方式表示内容和结构。请检查生成的文件，并在需要时调整其结构。

结论

使用此工作流作为将您自己的报告图像转换为 Python 中的 Markdown 的起点。在将结果添加到文档之前，请将识别的文本、表格以及任何图像引用与原始内容进行比较。

欲了解更多信息，请参阅 识别文档。如果需要帮助，请访问 Aspose.OCR 支持论坛。

另请参阅