tencentcloud-ocr-generalaccurate

# 腾讯云通用文字识别（高精度版）(GeneralAccurateOCR) ## 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。 核心能力： - **文字识别**：高精度识别图片中的文字内容，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（场景化指引） - `references/resume-parsing.md` - 多语种简历结构化识别指引（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触发此技能： - 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（请参考 `references/resume-parsing.md` 指引） - 需要对多语种简历进行识别和格式化输出（请参考 `references/resume-parsing.md` 指引） ## 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 | 参数 | 类型 | 必填 | 说明 | |------|------|------|------| | ImageBase64 | str | 否(二选一) | 图片Base64值，不超过10MB | | ImageUrl | str | 否(二选一) | 图片URL地址，优先使用 | | IsPdf | bool | 否 | 是否开启PDF识别，默认false | | PdfPageNumber | int | 否 | 需要识别的PDF页码，IsPdf为true时有效，默认1 | | IsWords | bool | 否 | 是否返回单字信息，默认false | | **UserAgent** | **str** | **否** | **请求来源标识(可选)，用于追踪调用来源，统一固定为`Skills`** | ### ⚠️ UserAgent参数使用指南 **`--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： | 调用框架 | --user-agent 参数值 | 说明 | |---------|--------------|------| | 所有框架 | `Skills` | 统一固定值，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 - 统一固定为`Skills`，未传递时也默认为此值 - 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： ```json { "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： ```json { "raw_text": "", "message": "No text detected in the image.", "RequestId": "xxx" } ``` ### 调用示例 ```bash # 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 🔗 **[腾讯云文字识别 OCR 购买页](https://buy.cloud.tencent.com/iai_ocr)** 在购买页面中选择 **通用文字识别（高精度版）** 完成购买。 ### Step 2: 获取 API 密钥 🔗 **[腾讯云 API 密钥管理](https://console.cloud.tencent.com/cam/capi)** ### Step 3: 设置环境变量 **Linux / macOS：** ```bash export TENCENTCLOUD_SECRET_ID="你的SecretId" export TENCENTCLOUD_SECRET_KEY="你的SecretKey" ``` **Windows (PowerShell)：** ```powershell $env:TENCENTCLOUD_SECRET_ID = "你的SecretId" $env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey" ```