SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场tencentcloud-ocr-generalaccurate

tencentcloud-ocr-generalaccurate

办公与效率

查看项目

更新于 10-16 09:21

技能介绍

用途

调用腾讯云 OCR 通用文字识别（高精度版）接口，对图片中的文字进行精准提取，并返回文字框位置和文字内容。适用于文字较多、版式复杂、对识别准召率要求较高的场景，如网络图片、街景店招牌、法律卷宗、多语种简历等。

主要能力

  • 文字识别：高精度识别图片中的文字内容，支持中文、英文、中英文、数字和特殊字符号的识别，返回完整识别文本。
  • PDF 支持：支持对 PDF 文件进行文字识别（单页）。
  • 单字信息：可选返回每个单字的位置和置信度信息。
  • 多语种简历结构化识别：基于 OCR 结果，对简历进行结构化提取与格式化输出，详见 references/resume-parsing.md。

官方文档：https://cloud.tencent.com/document/api/866/37831

可用资源

  • references/resume-parsing.md：多语种简历结构化识别指引，包含处理流程、Prompt 模板、输出格式化模板、格式化规则。

使用时机

当用户提出以下需求时可使用此技能：

  • 需要从图片或 PDF 中提取文字内容；
  • 需要对各类文档、图片等进行文字识别；
  • 涉及通用文字 OCR 识别的任何场景；
  • 需要从简历图片/PDF 中识别并结构化提取简历信息；
  • 需要对多语种简历进行识别和格式化输出。

环境要求

  • Python 3.6+
  • 依赖：tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）
  • 环境变量：
    • TENCENTCLOUD_SECRET_ID：腾讯云 API 密钥 ID
    • TENCENTCLOUD_SECRET_KEY：腾讯云 API 密钥 Key

使用方式

运行 scripts/main.py 脚本完成文字识别。

请求参数

  • ImageBase64：字符串，否（与 ImageUrl 二选一），图片 Base64 值，不超过 10MB。
  • ImageUrl：字符串，否（与 ImageBase64 二选一），图片 URL 地址，优先使用。
  • IsPdf：布尔值，否，是否开启 PDF 识别，默认 false。
  • PdfPageNumber：整数，否，需要识别的 PDF 页码，IsPdf 为 true 时有效，默认 1。
  • IsWords：布尔值，否，是否返回单字信息，默认 false。
  • UserAgent：字符串，否，请求来源标识（可选），用于追踪调用来源，统一固定为 Skills。

UserAgent 参数说明

--user-agent 参数是可选参数，统一固定为 Skills，无需手动传递，用于标识 API 调用来源，便于追踪和统计：所有框架下的参数值均为固定的 Skills，不传递时也默认为此值。

实现说明：通过 --user-agent 命令行参数传递，SDK 会将其拼接为 SDK_PYTHON_x.x.x; Skills 注入到请求中；该标识会记录在 ES 日志的 ReqBody.RequestClient 字段中，可用于追踪来源。

输出格式

识别成功后返回 JSON 格式结果：

{ "raw_text": "识别到的完整文字内容\n第二行文字\n第三行文字", "RequestId": "xxx" }

无文字时返回：

{ "raw_text": "", "message": "No text detected in the image.", "RequestId": "xxx" }

调用示例

基础调用示例（--user-agent 默认为 Skills，可不传）

python scripts/main.py --image-url "https://example.com/document.jpg"

使用 Base64 文件调用

python scripts/main.py --image-base64 "/path/to/document.jpg"

识别 PDF 文件中的文字

python scripts/main.py --image-url "https://example.com/doc.pdf"
--is-pdf true --pdf-page-number 1

返回单字信息

python scripts/main.py --image-url "https://example.com/document.jpg" --is-words true

密钥配置

Step 1：获取/购买 OCR 服务

在腾讯云文字识别 OCR 购买页中选择“通用文字识别（高精度版）”完成购买。

Step 2：获取 API 密钥

在腾讯云 API 密钥管理页面获取。

Step 3：设置环境变量

Linux / macOS：

export TENCENTCLOUD_SECRET_ID="你的SecretId" export TENCENTCLOUD_SECRET_KEY="你的SecretKey"

Windows (PowerShell)：

$env:TENCENTCLOUD_SECRET_ID = "你的SecretId" $env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey"

适用场景

文字较多、版式复杂的图片或文档，以及网络图片、街景店招牌、法律卷宗、多语种简历等对识别准召率要求较高的场景；需要从图片或 PDF 中提取文字、或对多语种简历进行结构化识别与格式化输出的场景。

限制

  • 图片 Base64 值不超过 10MB。
  • PDF 识别为单页识别，需通过 PdfPageNumber 指定页码。
  • 需 Python 3.6+ 环境并安装 tencentcloud-sdk-python。
  • 需配置腾讯云 API 密钥环境变量，并已开通/购买对应 OCR 服务。
  • 具体收费、价格及其他未提及的功能、平台等信息暂未提供。