通用文字识别

Recent Pages

通用文字识别

最后更新时间：2024-01-20 09:22:44

功能描述
通用文字识别功能（Optical Character Recognition，OCR）基于行业前沿的深度学习技术，将图片上的文字内容，智能识别为可编辑的文本，可应用于随手拍扫描、纸质文档电子化、电商广告审核等多种场景，大幅提升信息处理效率。
本接口属于 GET 请求，为同步请求方式。
费用说明
成功调用接口会产生 通用文字识别费用 和 COS 读请求费用。
如果图片属于 COS 上的低频存储类型，成功调用接口会产生 COS 低频数据取回费用。
不支持对 COS 上的归档存储类型和深度归档存储类型的图片进行处理，如果需要处理此类型图片，请先 恢复归档文件。
限制说明
图片支持格式：PNG、JPG、JPEG、BMP 及 PDF 文件。
图片大小：所下载文件经 Base64 编码后不超过7MB。
图片分辨率：建议大于600*800像素，否则影响识别效果。
调用接口需携带签名，具体规则请参见 请求签名 文档。
请求
请求示例
GET /<ObjectKey>?ci-process=OCR&type=general&language-type=zh&ispdf=true&pdf-pagenumber=1&isword=false&enable-word-polygon=false HTTP/1.1
Host: <BucketName-APPID>.cos.<Region>.myqcloud.com
Date: <GMT Date>
Authorization: <Auth String>
说明：
Authorization: Auth String（详情请参见 请求签名 文档）。
通过子账号使用时，需要授予相关的权限，详情请参见 授权粒度详情 文档。
请求参数
参数名称
描述
类型
是否必选
ObjectKey
对象文件名，例如：folder/document.jpg。
String
是
ci-process
数据万象处理能力，图片文字识别固定为 OCR。
String
是
type
OCR 的识别类型，有效值为 general，accurate，efficient，fast，handwriting。general 表示通用印刷体识别；accurate 表示印刷体高精度版；efficient 表示印刷体精简版；fast 表示印刷体高速版；handwriting 表示手写体识别。默认值为 general。
String
否
language-type
type 值为 general 时有效，表示识别语言类型。支持自动识别语言类型，同时支持自选语言种类，默认中英文混合(zh)，各种语言均支持与英文混合的文字识别。可选值请参见 可识别的语言类型。
String
否
ispdf
type 值为 general、fast 时有效，表示是否开启 PDF 识别，有效值为 true 和 false，默认值为 false，开启后可同时支持图片和 PDF 的识别。
Boolean
否
pdf-pagenumber
type 值为 general、fast 时有效，表示需要识别的 PDF 页面的对应页码，仅支持 PDF 单页识别，当上传文件为 PDF 且 ispdf 参数值为 true 时有效，默认值为1。
Integer
否
isword
type 值为 general、accurate 时有效，表示识别后是否需要返回单字信息，有效值为 true 和 false，默认为 false。
Boolean
否
enable-word-polygon
type 值为 handwriting 时有效，表示是否开启单字的四点定位坐标输出，有效值为 true 和 false，默认值为 false。
Boolean
否
可识别的语言类型
可选值
语言
可选值
语言
zh
中英混合
rus
俄语
zh_rare
支持英文、数字、中文生僻字、繁体字，特殊符号等
ita
意大利语
auto
自动
hol
荷兰语
mix
混合语种
swe
瑞典语
jap
日语
fin
芬兰语
kor
韩语
dan
丹麦语
spa
西班牙语
nor
挪威语
fre
法语
hun
匈牙利语
ger
德语
tha
泰语
por
葡萄牙语
hi
印地语
vie
越语
ara
阿拉伯语
may
马来语
﻿
﻿
请求头
此接口仅使用公共请求头部，详情请参见 公共请求头部 文档。
请求体
该请求的请求体为空。
响应
响应头
此接口仅返回公共响应头部，详情请参见 公共响应头部 文档。
响应体
该响应体返回为 application/xml 数据，包含完整节点数据的内容展示如下：
<Response>
  <TextDetections>
    <DetectedText></DetectedText>
    <Confidence></Confidence>
    <Polygon>
      <X></X>
      <Y></Y>
    </Polygon>
    <ItemPolygon>
      <X></X>
      <Y></Y>
      <Width></Width>
      <Height></Height>
    </ItemPolygon>
    <Words>
      <Confidence></Confidence>
      <Character></Character>
      <WordCoordPoint>
        <WordCoordinate>
          <X></X>
          <Y></Y>
        </WordCoordinate>
      </WordCoordPoint>
    </Words>
  </TextDetections>
  <Language></Language>
  <Angel></Angel>
  <PdfPageSize></PdfPageSize>
  <RequestId></RequestId>
</Response>
具体的数据内容如下：
节点名称（关键字）
父节点
描述
类型
Response
无
保存结果的容器。
Container
Response 的内容：
节点名称（关键字）
父节点
描述
类型
TextDetections
Response
检测到的文本信息，包括文本行内容、置信度、文本行坐标以及文本行旋转纠正后的坐标。
Container
Language
Response
检测到的语言类型，目前支持的语言类型可参考入参 language-type 说明。
String
Angel
Response
图片旋转角度（角度制），文本的水平方向为0°；顺时针为正，逆时针为负。
Float
PdfPageSize
Response
图片为 PDF 时，返回 PDF 的总页数，默认为0。
Integer
RequestId
Response
唯一请求 ID，每次请求都会返回。定位问题时需要提供该次请求的 RequestId。
String
TextDetections 节点的内容：
节点名称（关键字）
父节点
描述
类型
DetectedText
TextDetections
识别出的文本行内容。
String
Confidence
TextDetections
置信度 0 - 100。
Integer
Polygon
TextDetections
文本行坐标，以顶点坐标表示 注意：此字段可能返回 null，表示取不到有效值。
Container
ItemPolygon
TextDetections
文本行在旋转纠正之后的图像中的像素坐标，表示为（左上角 x, 左上角 y，宽 width，高 height）。
Container
Words
TextDetections
识别出来的单字信息包括单字（包括单字 Character 和单字置信度 confidence），支持识别的接口：general、accurate。
Container
WordPolygon
TextDetections
字的坐标数组，以四个顶点坐标表示。
注意：此字段可能返回 null，表示取不到有效值。支持识别的类型：handwriting。
Container
Polygon 节点的内容：
节点名称（关键字）
父节点
描述
类型
X
Polygon
横坐标。
Integer
Y
Polygon
纵坐标。
Integer
ItemPolygon 节点的内容：
节点名称（关键字）
父节点
描述
类型
X
ItemPolygon
左上角 x。
Integer
Y
ItemPolygon
左上角 y。
Integer
Width
ItemPolygon
宽 width。
Integer
Height
ItemPolygon
高 height。
Integer
Words 节点的内容：
节点名称（关键字）
父节点
描述
类型
Confidence
Words
置信度 0 - 100。
Integer
Character
Words
识别出来的单词信息。
String
WordCoordPoint
Words
单字在原图中的四点坐标，支持识别的接口：general、accurate。
Container
WordCoordPoint 节点的内容：
节点名称（关键字）
父节点
描述
类型
WordCoordinate
WordCoordPoint
单字在原图中的坐标，以四个顶点坐标表示，以左上角为起点，顺时针返回。
Container
WordCoordinate 节点的内容：
节点名称（关键字）
父节点
描述
类型
X
WordCoordinate
横坐标。
Integer
Y
WordCoordinate
纵坐标。
Integer
WordPolygon 节点的内容：
节点名称（关键字）
父节点
描述
类型
LeftTop
WordPolygon
左上顶点坐标。
Container
RightTop
WordPolygon
右上顶点坐标。
Container
RightBottom
WordPolygon
右下顶点坐标。
Container
LeftBottom
WordPolygon
左下顶点坐标。
Container
LeftTop，RightTop，RightBottom，LeftBottom 节点的内容：
节点名称（关键字）
父节点
描述
类型
X
WordCoordinate
横坐标。
Integer
Y
WordCoordinate
纵坐标。
Integer
错误码
该请求操作无特殊错误信息，常见的错误信息请参见 错误码 文档。
实际案例
请求
GET /<ObjectKey>?ci-process=OCR&type=general&language-type=zh&ispdf=true&isword=true HTTP/1.1
Authorization: q-sign-algorithm=sha1&q-ak=AKIDZfbOAo7cllgPvF9cXFrJD0a1ICvR****&q-sign-time=1497530202;1497610202&q-key-time=1497530202;1497610202&q-header-list=&q-url-param-list=&q-signature=28e9a4986df11bed0255e97ff90500557e0e****
Host: examplebucket-1250000000.cos.ap-beijing.myqcloud.com
响应
HTTP/1.1 200 OK
Content-Type: application/xml
Content-Length: 414641
Date: Thu, 15 Jun 2017 12:37:29 GMT
Server: tencent-image
x-cos-request-id: NWFjMzQ0MDZfOTBmYTUwXzZkZV8z****
﻿
<Response>
    <Angel>359.99</Angel>
    <Language>mix</Language>
    <PdfPageSize>0</PdfPageSize>
    <RequestId>NTk0MjdmODlfMjQ4OGY3XzYzYzhf****</RequestId>
    <TextDetections>
        <Confidence>99</Confidence>
        <DetectedText>你好</DetectedText>
        <ItemPolygon>
            <Height>64</Height>
            <Width>123</Width>
            <X>140</X>
            <Y>167</Y>
        </ItemPolygon>
        <Polygon>
            <X>140</X>
            <Y>167</Y>
        </Polygon>
        <Polygon>
            <X>263</X>
            <Y>167</Y>
        </Polygon>
        <Polygon>
            <X>263</X>
            <Y>231</Y>
        </Polygon>
        <Polygon>
            <X>140</X>
            <Y>231</Y>
        </Polygon>
        <Words>
            <Character>你</Character>
            <Confidence>99</Confidence>
            <WordCoordPoint>
                <WordCoordinate>
                    <X>212</X>
                    <Y>167</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>341</X>
                    <Y>167</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>341</X>
                    <Y>231</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>212</X>
                    <Y>231</Y>
                </WordCoordinate>
            </WordCoordPoint>
        </Words>
        <Words>
            <Character>好</Character>
            <Confidence>99</Confidence>
            <WordCoordPoint>
                <WordCoordinate>
                    <X>341</X>
                    <Y>167</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>263</X>
                    <Y>167</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>263</X>
                    <Y>231</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>341</X>
                    <Y>230</Y>
                </WordCoordinate>
            </WordCoordPoint>
        </Words>
    </TextDetections>
    <TextDetections>
        <Confidence>99</Confidence>
        <DetectedText>再见</DetectedText>
        <ItemPolygon>
            <Height>43</Height>
            <Width>245</Width>
            <X>526</X>
            <Y>1444</Y>
        </ItemPolygon>
        <Polygon>
            <X>526</X>
            <Y>1444</Y>
        </Polygon>
        <Polygon>
            <X>771</X>
            <Y>1444</Y>
        </Polygon>
        <Polygon>
            <X>771</X>
            <Y>1487</Y>
        </Polygon>
        <Polygon>
            <X>526</X>
            <Y>1487</Y>
        </Polygon>
        <Words>
            <Character>再</Character>
            <Confidence>99</Confidence>
            <WordCoordPoint>
                <WordCoordinate>
                    <X>564</X>
                    <Y>1444</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>608</X>
                    <Y>1444</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>608</X>
                    <Y>1487</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>564</X>
                    <Y>1487</Y>
                </WordCoordinate>
            </WordCoordPoint>
        </Words>
        <Words>
            <Character>见</Character>
            <Confidence>99</Confidence>
            <WordCoordPoint>
                <WordCoordinate>
                    <X>608</X>
                    <Y>1444</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>641</X>
                    <Y>1444</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>641</X>
                    <Y>1487</Y>
                </WordCoordinate>
                <WordCoordinate>
                    <X>608</X>
                    <Y>1487</Y>
                </WordCoordinate>
            </WordCoordPoint>
        </Words>
    </TextDetections>
</Response>
﻿

联系我们

联系我们，为您的业务提供专属服务。

技术支持

如果你想寻求进一步的帮助，通过工单与我们进行联络。我们提供7x24的工单服务。

7x24 电话支持

tencent cloud

Recent Pages

通用文字识别

功能描述

费用说明

限制说明

请求

请求示例

请求参数

可识别的语言类型

请求头

请求体

响应

响应头

响应体

错误码

实际案例

请求

响应

本页内容是否解决了您的问题？

本页内容是否解决了您的问题？

参数名称	描述	类型	是否必选
ObjectKey	对象文件名，例如：folder/document.jpg。	String	是
ci-process	数据万象处理能力，图片文字识别固定为 OCR。	String	是
type	OCR 的识别类型，有效值为 general，accurate，efficient，fast，handwriting。general 表示通用印刷体识别；accurate 表示印刷体高精度版；efficient 表示印刷体精简版；fast 表示印刷体高速版；handwriting 表示手写体识别。默认值为 general。	String	否
language-type	type 值为 general 时有效，表示识别语言类型。支持自动识别语言类型，同时支持自选语言种类，默认中英文混合(zh)，各种语言均支持与英文混合的文字识别。可选值请参见可识别的语言类型。	String	否
ispdf	type 值为 general、fast 时有效，表示是否开启 PDF 识别，有效值为 true 和 false，默认值为 false，开启后可同时支持图片和 PDF 的识别。	Boolean	否
pdf-pagenumber	type 值为 general、fast 时有效，表示需要识别的 PDF 页面的对应页码，仅支持 PDF 单页识别，当上传文件为 PDF 且 ispdf 参数值为 true 时有效，默认值为1。	Integer	否
isword	type 值为 general、accurate 时有效，表示识别后是否需要返回单字信息，有效值为 true 和 false，默认为 false。	Boolean	否
enable-word-polygon	type 值为 handwriting 时有效，表示是否开启单字的四点定位坐标输出，有效值为 true 和 false，默认值为 false。	Boolean	否

可选值	语言	可选值	语言
zh	中英混合	rus	俄语
zh_rare	支持英文、数字、中文生僻字、繁体字，特殊符号等	ita	意大利语
auto	自动	hol	荷兰语
mix	混合语种	swe	瑞典语
jap	日语	fin	芬兰语
kor	韩语	dan	丹麦语
spa	西班牙语	nor	挪威语
fre	法语	hun	匈牙利语
ger	德语	tha	泰语
por	葡萄牙语	hi	印地语
vie	越语	ara	阿拉伯语
may	马来语

节点名称（关键字）	父节点	描述	类型
Response	无	保存结果的容器。	Container

tencent cloud

注册

登录

Recent Pages

通用文字识别

功能描述

费用说明

限制说明

请求

请求示例

请求参数

可识别的语言类型

请求头

请求体

响应

响应头

响应体

错误码

实际案例

请求

响应

本页内容是否解决了您的问题？

本页内容是否解决了您的问题？