baidu-ai-search

# 表格文字识别 (TableOCR) ## 简介 表格文字识别 (TableOCR) 可支持识别图片中的表格内容，返回各表格的表头表尾内容、单元格文字内容及其行列位置信息，全面覆盖各类表格样式，包括常规有线表格、无线表格、含合并单元格表格。同时，支持多表格内容识别。 ### 功能介绍 * 简单表格文字识别 支持识别具备完整框线的常规简单表格，结构化输出表头、表尾及每个单元格的文字内容。 * 复杂表格文字识别 可识别无表格框线，但行、列位置明确的表格，支持含合并单元格的复杂表格文字识别。 ### 特色优势 * 支持识别图片中的表格内容，返回各表格的表头表尾内容、单元格文字内容及其行列位置信息，全面覆盖各类表格样式，包括常规有线表格、无线表格、含合并单元格表格。同时，支持单图中多表格内容的识别。 ### 应用场景 * 信息登记表识别 对个人、商品、公示内容等纸质信息登记表进行识别，用于登记信息的结构化整理和统计，大幅度降低人力录入成本，提升信息管理的便捷性 * 财税报表识别 提取识别银行对账单、资产负债表、损益表等财税场景常用表格内容，快速实现表格内容的电子化，用于财税信息统计、存档及核算，大幅度提升信息录入效率 ## 基本用法 下面是表格文字识别的代码示例： 示例图片为  ```python import os import appbuilder import requests # 请前往千帆AppBuilder官网创建密钥，流程详见：https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5 os.environ["APPBUILDER_TOKEN"] = '...' # 从BOS读取样例图片 image_url = "https://bj.bcebos.com/v1/appbuilder/table_ocr_test.png?" \ "authorization=bce-auth-v1%2FALTAKGa8m4qCUasgoljdEDAzLm%2F2024" \ "-01-24T12%3A37%3A09Z%2F-1%2Fhost%2Fab528a5a9120d328dc6d18c6" \ "064079145ff4698856f477b820147768fc2187d3" raw_image = requests.get(image_url).content # 创建表格文字识别组件实例 table_ocr = appbuilder.TableOCR() # 执行识别操作并获取结果 out = table_ocr.run(appbuilder.Message(content={"raw_image": raw_image})) print(out.content) ``` ## 参数说明 ### 鉴权说明 使用组件之前，请首先申请并设置鉴权参数，可参考[组件使用流程](https://cloud.baidu.com/doc/AppBuilder/s/Olq6grrt6#1%E3%80%81%E5%88%9B%E5%BB%BA%E5%AF%86%E9%92%A5)。 ```python # 设置环境中的TOKEN，以下示例略 os.environ["APPBUILDER_TOKEN"] = "bce-YOURTOKEN" ``` ### 初始化参数 无 ### 调用参数 （以表格形式展示） | 参数名称 | 参数类型 | 是否必须 | 描述 | 示例值 | |---------|---------|------|-----------------------------|------------------------------------------------| | message | String | 是 | 输入的消息，用于模型的主要输入内容。这是一个必需的参数 | Message(content={"raw_image": b"待识别的图片字节流数据"}) | |timeout| Float | 否 | HTTP超时时间,单位：秒 |1|| | retry | Integer | 否 | HTTP重试次数 | 3 | ### 响应参数 | 参数名称 | 参数类型 | 描述 | 示例值 | |------------------|---------|---------------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | tables_result | array[] | 返回结果 | [{"table_location": [],"header": [],"body": [],"footer": []}] | | +table_location | array[] | 单个表格的四角点x,y坐标 | [{ "x": 15, "y": 15 },{ "x": 371, "y": 15 },{ "x": 371, "y": 98 },{ "x": 15, "y": 98 }], | | +header | array[] | 表头信息 | [{'location': [{'x': 325, 'y': 40}, {'x': 528, 'y': 40}, {'x': 528, 'y': 71}, {'x': 325, 'y': 71}], 'words': '财务状况变动表'}, {...}] | | +body | array[] | 单元格信息 | [{"cell_location": [{ "x": 15, "y": 15 },{ "x": 120, "y": 15 },{ "x": 120, "y": 58 },{ "x": 15, "y": 58 }],"row_start": 0,"row_end": 1,"col_start": 0,"col_end": 1,"words": "参数"},{...}] | | +footer | array[] | 表尾信息 | [{'location': [...], 'words': '...'}, {...}] | ### 响应示例 ```json { "tables_result": [ { "table_location": [ { "x": 15, "y": 15 }, { "x": 371, "y": 15 }, { "x": 371, "y": 98 }, { "x": 15, "y": 98 } ], "header": [], "body": [ { "cell_location": [ { "x": 15, "y": 15 }, { "x": 120, "y": 15 }, { "x": 120, "y": 58 }, { "x": 15, "y": 58 } ], "row_start": 0, "row_end": 1, "col_start": 0, "col_end": 1, "words": "参数" }, { "cell_location": [ { "x": 120, "y": 15 }, { "x": 371, "y": 15 }, { "x": 371, "y": 58 }, { "x": 120, "y": 58 } ], "row_start": 0, "row_end": 1, "col_start": 1, "col_end": 2, "words": "值" }, { "cell_location": [ { "x": 15, "y": 58 }, { "x": 120, "y": 58 }, { "x": 120, "y": 98 }, { "x": 15, "y": 98 } ], "row_start": 1, "row_end": 2, "col_start": 0, "col_end": 1, "words": "Content-Type" }, { "cell_location": [ { "x": 120, "y": 58 }, { "x": 371, "y": 58 }, { "x": 371, "y": 98 }, { "x": 120, "y": 98 } ], "row_start": 1, "row_end": 2, "col_start": 1, "col_end": 2, "words": "application/x-www-form-urlencoded" } ], "footer": [] } ] } ``` ### 错误码 | 错误码 | 描述 | |-----|----| ## 高级用法 目前该模块仅提供基础的表格文字识别功能。 ## 更新记录和贡献 * 表格文字识别能力 (2024-01)