文字识别探索腾讯云智能结构化 OCR：技术解析与实践指南

概述
本文详细介绍了腾讯云智能结构化 OCR 技术，突出其高精度、灵活性和易用性。通过多模态大模型技术，该 OCR 服务支持个性化模板定制，显著提升数据抓取效率，适用于多种文档识别场景。文章还提供了获取 SecretId 和 SecretKey 的指南，以及如何使用 OCR 服务的步骤，包括前端界面设计和后端 Flask 应用实现。最后，作者鼓励读者亲自尝试 OCR 服务，并对其功能和界面表示满意。
引言
﻿
﻿
﻿
在上述情境中，我们仅对腾讯云智能结构化 OCR 这一技术进行了简要提及。凭借其卓越的高精度、出色的灵活性和极佳的易用性，腾讯云智能结构化 OCR 正开启跨行业高效且精准的文档处理及数据提取的新篇章。腾讯云智能结构化 OCR 以多模态大模型技术为核心，融合了深度学习、图像检测技术及 OCR 大模型能力，通过智能建立键值对应关系，支持客户根据自身需求定制个性化模板，显著提高数据抓取与录入的效率。其基础版本为企业搭建了通用型文本识别的稳固框架，可精准识别常见的印刷体文字、数字及基本符号，满足一般性的数据提取需求。而高级版本则进一步融入了语义理解、上下文关联分析等高级功能模块，能够应对诸如法律合同、医学报告等专业性强、语义复杂且版式多变的文档识别任务，实现关键信息的深度挖掘与结构化输出。例如，在处理法律合同文档时，腾讯云智能结构化 OCR 能够快速提取合同双方、金额信息、时间节点等关键信息，大大提高了合同处理的效率和准确性。
其实，撰写这篇文章我内心纠结良久，迟迟未能动笔。究其根本，是因我对这款产品知之甚少，无从下笔。在日常生活中，我们或许接触过类似 OCR 功能的场景，例如部分手机自带的图片文字自动识别功能，又或是微信、QQ中通过截图进行的文字识别，它们的准确率着实令人称赞。眼看活动即将落幕，我终于挤出些许时间，匆匆写下这篇文章，现在就让我们直奔主题。
或许您和我一样，面对产品文档或产品界面时，感到一头雾水，不知该如何着手。为此，我精心整理了一份思维导图，您可以借助这张图，迅速把握产品的核心要点。
﻿
借助这份思维导图，我们能够对产品形成初步的宏观认知。那么，您是否对这款产品有了新的认识呢？又或者，还有哪些疑问未解呢？接下来，让我们一同探究 OCR 识别的原理，这将助我们深入理解产品背后的技术支撑，进而更高效地运用它来满足自身需求。虽然下面这张图较为简单，但它却是最直观地解释文字识别原理的方式。将两张图对照来看，既能让您对产品有更深入的看法，也能增进您对产品使用的了解。下面，就让我们来了解一下如何使用这款产品。目前而言，这款产品几乎没有任何使用门槛，希望大家都能多去尝试，说不定您会喜欢去使用这款产品。
﻿
智能结构化的注册
首先，我们需要访问腾讯云智能结构化 OCR 的官方网站。点击此处即可直达官网。进入官网后，您会看到如下图所示的界面。接下来，只需点击图中的“开通服务”按钮，并按照提示逐步操作，便能顺利开通此项服务。
﻿
完成首次注册后，系统将贴心地赠送一份免费资源包，有效期为一个月。这份资源包对于普通用户而言，可谓相当充足。其详细资源列表涵盖了从几十次到几千次不等的使用额度，足以满足我们在短期内的使用需求，无需急于再次购买。激活资源后请确保 SecretId 和 SecretKey 的唯一性。
﻿
获取 SecretId 和 SecretKey
可能有些小伙伴不清楚 SecretId 和 SecretKey 的获取位置，接下来就让我来为大家详细讲解。首先，点击此处进入腾讯云的访问管理页面。在页面中找到“用户”选项，再点击“用户列表”。接着，点击“新建用户”按钮。当然，您也可以直接使用主账号，但出于安全和资源管理的考虑，我更推荐大家创建一个子账号，这里勾选 QcloudOCRReadOnlyaccess 账号权限。这样既能有效避免他人误用资源导致不必要的消费，又能更好地管理权限和资源使用情况。
﻿
进入子用户面板后，点击“API密钥”选项。再次点击“新建密钥”，此时系统会立即弹出显示 SecretId 和 SecretKey 的界面。需要特别注意的是，这个密钥信息目前仅展示一次，因此务必要及时对密钥进行保存，或者下载 CSV 文件以便安全存储。同时，别忘了勾选“我已知晓并保存 SecretKey”这一选项。完成以上步骤，您的 SecretId 和 SecretKey 就已成功获取完毕啦。
﻿
智能结构化的使用
OCR demo
﻿点击此处，便可直接进入 OCR 的 demo 界面。在这个界面中，您可以充分测试其接口的各项能力，建议对所有功能都进行测试，以全面了解其性能。接下来，我将使用自己准备的几张图片，在 demo 中进行实际测试。
我打算用自己手写的字去测试一下它的识别效果。我的字可能有点潦草，个人感觉要是识别出现些许错误也是情有可原的，毕竟手写字体千差万别，尤其是我这种不太规整的书写风格，对识别系统来说是个不小的挑战。只要不是错误太多，基本上我还是能接受的。那我们现在就一起打开网页，看看它到底能识别成什么样吧！
﻿
我们仔细观察后发现，虽然每行字的划分很清晰，但文字识别确实存在一些错误。不过这也情有可原，毕竟我写的字实在太像另一个字了。原话应该是“他强任他强，清风拂山岗”。
接下来，我将通过一本书的内页来进行识别测试，以检验其识别率的精准度。这本书是熊培云老师送给我的第一本书，它非常值得一读，我极力推荐大家去阅读。
﻿
我们发现，此次识别的准确率相当高，几乎未出现任何错误。这充分证明了对于纯印刷体文字，其识别效果是非常出色的。既然在印刷体方面表现良好，那么接下来，我打算用一份报告文档来进一步检验它的解析能力，看看是否足够强大。
﻿
经过与源文档的细致比对，输出结果毫无瑕疵，图片等内容也均能精准识别，这足以证明其文档解析能力依旧卓越。我仅通过这三个演示，便足以略窥一二。那么，此次演示便暂且告一段落。不过，我也发现了一些待改进之处。例如，在复制公式时，并未保留其原有的格式。许多文档编辑软件都具备插入公式的功能，因此，我在此向产品团队提出一点小建议，希望能尽快实现对公式格式的复制支持。或者，当我们将鼠标悬停在公式上时，能自动弹出选项，让我们能够将其以公式格式复制，以便更便捷地导入腾讯文档等办公软件中，进一步提升使用体验。
既然我们已经通过 Demo 亲眼见证了其出色的实际效果，那么接下来是不是该轮到我们亲自上手部署一番了呢？也就是在自己的本地环境或者服务器上请求调用 OCR 的 SDK，从而真正实现文字识别的强大功能。值得一提的是，官方贴心地为多种编程语言都提供了详细的示例，这无疑为我们接下来的部署工作提供了极大的便利。
简单调用服务接口
﻿
当我们访问这个页面（点击此处直达），您会发现我选择了手写识别作为演示功能。在页面的右侧，有一份文档说明，建议您详细阅读以获取更多信息。实际上，在使用过程中，您并不需要填写太多信息。最关键的部分是提供图片的 ImageBase64 值。 请注意，目前仅支持 PNG、JPG、JPEG 这三种图片格式，其他格式的图片将不被接受。这意味着您上传的图片必须是上述格式之一。接下来，我将为您演示如何操作。
﻿
您已经选择了要上传的图片，接下来的关键步骤是获取这张图片的 ImageBase64 值。您可以轻松地通过在线工具或编程语言中的库来完成这一转换过程。为了简化操作，这里我将直接展示如何使用在线工具来转换图片为 ImageBase64 值。
转换过程非常简单，您只需上传您的图片到在线转换工具，它将自动为您生成 ImageBase64 编码。下面，我将展示这张图片转换后的 ImageBase64 值，您可以将其用于上传。同时，我也鼓励您尝试使用自己的图片进行转换，体验这一过程。
﻿图片 ImageBase64 编码.docx﻿
由于 ImageBase64 编码的字符数量过于庞大，导致无法在编辑器内完整展示，因此已将其以文件形式附上。您可自行下载该文件获取完整的编码内容。至此，我们已成功获取到 ImageBase64 编码，接下来的操作便十分简便。您只需将编码粘贴至相应位置，切换到“在线调用”选项卡，然后单击“发送请求”按钮，即可开启实际效果测试，直观地查看调用结果。
﻿
当您完成上述操作后，输出结果便呈现在眼前。不过，正如您所言，由于您的字迹较为潦草，导致这部分内容的识别效果并不理想，而其他文字的识别则毫无问题，准确无误。
此时，您可以留意到选项卡右侧有一个“代码示例”的入口。点击进入后，您会发现这里提供了多种编程语言的示例代码，涵盖了Golang、Python、Java、C++、node.js、PHP、.Net等。这些丰富的示例代码无疑为我们的开发工作提供了极大的便利，让我们能够更加便捷地将相关功能集成到自己的项目中，大大提高了开发效率。
﻿
在进行后续操作之前，务必要留意本地依赖环境的版本号。请确保安装与本地依赖环境相匹配的腾讯云文字识别SDK版本，这是保障服务能够稳定、高效运行的关键前提。只有版本适配，才能避免因环境差异导致的兼容性问题，从而确保文字识别功能在本地环境中顺畅地发挥其应有的作用。
1. 安装依赖
pip install Flask tencentcloud-sdk-python
2. 创建 Flask 应用 (app.py)
from flask import Flask, request, render_template, jsonify
import json
import base64
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.ocr.v20181119 import ocr_client, models
﻿
app = Flask(__name__)
﻿
def initClient():
    cred = credential.Credential("您的SecretId", "您的SecretKey")
    httpProfile = HttpProfile()
    httpProfile.endpoint = "ocr.tencentcloudapi.com"
    clientProfile = ClientProfile()
    clientProfile.httpProfile = httpProfile
    return ocr_client.OcrClient(cred, "ap-guangzhou", clientProfile)
﻿
@app.route('/', methods=['GET', 'POST'])
def upload_file():
    if request.method == 'POST':
        f = request.files['file']
        if f:
            try:
                client = initClient()
                req = models.GeneralHandwriting OCR Request()
                params = {
                    "ImageBase64": imageToBase64(f)
                }
                req.from_json_string(json.dumps(params))
                resp = client.GeneralHandwriting OCR (req)
                return jsonify(json.loads(resp.to_json_string()))
            except Exception as err:
                return jsonify({"error": str(err)})
    return render_template('upload.html')
﻿
def imageToBase64(file_object):
    binary_data = file_object.read()
    base64_encoded_data = base64.b64encode(binary_data)
    base64_message = base64_encoded_data.decode('utf-8')
    return base64_message
﻿
if __name__ == '__main__':
    app.run(debug=True)
3. 创建 HTML 模板 (templates/upload.html)
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Upload Image for  OCR </title>
    <style>
        body {
            font-family: 'Arial', sans-serif;
            background-color: #f0f0f0;
            margin: 0;
            padding: 20px;
            display: flex;
            flex-direction: column;
            align-items: center;
            justify-content: center;
            height: 100vh;
        }
        h1 {
            color: #333;
            margin-bottom: 20px;
        }
        form {
            background: white;
            padding: 20px;
            border-radius: 8px;
            box-shadow: 0 2px 4px rgba(0, 0, 0, 0.1);
        }
        input[type="file"] {
            margin-right: 10px;
            border: 1px solid #ddd;
            border-radius: 4px;
            padding: 5px;
        }
        input[type="submit"] {
            background-color: #5c67f2;
            color: white;
            border: none;
            padding: 10px 20px;
            border-radius: 4px;
            cursor: pointer;
            transition: background-color 0.3s;
        }
        input[type="submit"]:hover {
            background-color: #4a54e1;
        }
        #result {
            margin-top: 20px;
            width: 100%;
            max-width: 600px;
            padding: 10px;
            background-color: #e9ecef;
            border-radius: 4px;
            overflow-x: auto;
            white-space: pre-wrap;
            word-wrap: break-word;
        }
    </style>
</head>
<body>
    <h1>Upload Image for  OCR </h1>
    <form action="" method="post" enctype="multipart/form-data">
        <input type="file" name="file" required>
        <input type="submit" value="Upload">
    </form>
    <div id="result"></div>
    <script>
        document.querySelector('form').onsubmit = function(event) {
            event.preventDefault();
            const formData = new FormData(this);
            fetch('/', {
                method: 'POST',
                body: formData
            }).then(response => response.json())
            .then(data => {
                document.getElementById('result').innerText = JSON.stringify(data, null, 2);
            })
            .catch(error => {
                document.getElementById('result').innerText = 'Error: ' + error.message;
            });
        };
    </script>
</body>
</html>
﻿
我打造了一个简洁的前端界面，使其不再显得空旷。虽说是随意构思，但仅用几行 CSS 和 JS 代码便实现了效果。经过严谨的实际测试，确认所有代码精准无误，在使用过程中未出现任何重大问题，大家可以放心直接使用。当然，如果觉得这个前端界面过于简单，也可自行重新设计一个。接下来，让我们检验一下它上传图片时是否能够准确识别吧。
这次我选取了之前另一张手写体图片来进行识别测试。在识别过程中，我同样对效果充满好奇，不知其准确度如何。现在，就让我们一同揭晓答案。图片也已附在下方，大家可以仔细查看，核对识别结果是否精准无误。
﻿
﻿
﻿
﻿
由于篇幅有限，这里仅展示这张图片。前端输出的样式，我个人认为相当出色，毕竟对于实用工具来说，简洁的界面往往是最佳选择。大家可以对比图片仔细查看，我经过核对，发现识别结果并无差错。因篇幅限制，只能展示这张图，但各位完全可以亲自动手尝试一番。 不得不提，OCR 的手写体识别功能确实表现出色，值得大力夸赞。这段话也是我送给各位的 2025 年祝福，愿大家在新的一年里，都能顺利达成自己心中的目标，收获满满。
实际上，我并未深入讲解接口调用的细节，原因在于我认为凭借参考代码示例与文档说明，大家已足以清晰地理解其原理与操作。因此，本文直接附上代码，未对代码进行逐行解释。但我认为，在学习与实践过程中，大家应多投入自己的思考，深入探究代码背后的逻辑与原理。
结语
在本文的探索之旅中，我们一同领略了腾讯云智能结构化 OCR 的强大功能和应用潜力。从基础的文本识别到复杂的文档处理，这款产品无疑为我们的工作和生活带来了前所未有的便利。通过精心设计的前端界面和稳健的后端支持，我们不仅提升了交互体验，也确保了功能的高效与准确。
随着技术的不断进步，OCR 技术的应用场景将越来越广泛，其重要性也日益凸显。我们期待腾讯云智能结构化 OCR 在未来能够持续优化，加入更多创新功能，如公式格式的保留、更丰富的API支持等，以满足用户日益增长的需求。
在此，我想对每一位读者表达最诚挚的感谢。感谢您们的关注与支持，也感谢您们在探索过程中的耐心与热情。希望本文能为您提供有价值的信息和启发，也希望您能在实践中发现更多 OCR 技术的魅力。
﻿
探索腾讯云智能结构化 OCR：技术解析与实践指南

本页目录：

概述

引言

智能结构化的注册

获取 SecretId 和 SecretKey

智能结构化的使用

OCR demo

简单调用服务接口

1. 安装依赖

2. 创建 Flask 应用 (app.py)

3. 创建 HTML 模板 (templates/upload.html)

结语
