图像到文本OCR和扫描PDF OCR批量处理。每个图像或页面一行：文本，每行附带置信度和边界框。数字PDF使用文本层，扫描使用Tesseract。8种语言，仅新模式
在 Postman 中运行
{
"billed": 3,
"count": 3,
"items": [
{
"height": 276,
"lines": [
{
"bbox": [
13,
6,
178,
19
],
"confidence": 94.7,
"text": "ALICE IN WONDERLAND"
},
{
"bbox": [
40,
255,
120,
9
],
"confidence": 86.5,
"text": "LEWIS CARROLL,"
}
],
"meanConfidence": 90.6,
"method": "ocr",
"page": 1,
"sourceUrl": "https://www.gutenberg.org/cache/epub/11/pg11.cover.medium.jpg",
"text": "ALICE IN WONDERLAND\nLEWIS CARROLL,",
"width": 200
},
{
"height": 300,
"lines": [
{
"bbox": [
8,
25,
179,
16
],
"confidence": 96,
"text": "FRANKENSTEIN"
},
{
"bbox": [
28,
53,
142,
18
],
"confidence": 3,
"text": "THEMODERNPROMETHECS"
},
{
"bbox": [
22,
99,
152,
13
],
"confidence": 95.3,
"text": "Mary Wollstonecraft Shelley"
}
],
"meanConfidence": 64.8,
"method": "ocr",
"page": 1,
"sourceUrl": "https://www.gutenberg.org/cache/epub/84/pg84.cover.medium.jpg",
"text": "FRANKENSTEIN\nTHEMODERNPROMETHECS\nMary Wollstonecraft Shelley",
"width": 195
},
{
"height": 842,
"lines": [
{
"bbox": null,
"confidence": null,
"text": "Dummy PDF file"
}
],
"meanConfidence": null,
"method": "text-layer",
"page": 1,
"sourceUrl": "https://www.w3.org/WAI/ER/tests/xhtml/testfiles/resources/pdf/dummy.pdf",
"text": "Dummy PDF file",
"width": 595
}
]
}
curl --location --request GET 'https://zylalabs.com/api/14853/image+to+text+ocr+scanned+pdf+ocr+api/38669/image+to+text+ocr?urls=https://www.gutenberg.org/cache/epub/11/pg11.cover.medium.jpg,https://www.gutenberg.org/cache/epub/84/pg84.cover.medium.jpg,https://www.w3.org/WAI/ER/tests/xhtml/testfiles/resources/pdf/dummy.pdf&languages=eng&outputMode=lines&maxPagesPerPdf=20&forceOcr=false' --header 'Authorization: Bearer YOUR_API_KEY'
注册后，每个开发者都会被分配一个个人 API 访问密钥，这是一个唯一的字母和数字组合，用于访问我们的 API 端点。要使用 图像转文本 OCR 扫描 PDF OCR API 进行身份验证，只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后，请查看上方的"您的 API 访问密钥"。
|
图像到文本的OCR和批量扫描PDF的OCR 每个图像或页面一行 文本 每行带有置信度和边界框 数字PDF使用文本层 扫描使用Tesseract 8种语言 仅新模式
每个请求最多可返回100个结果，具体取决于终端。
每个请求都从公共源收集实时数据 相同的请求可以从缓存中提供长达6小时
列表参数接受多个用逗号分隔的值，例如：伦敦，巴黎
图像到文本的OCR端点返回从图像或扫描的PDF中提取的文本，包括每行文本的置信度分数和边界框坐标。它为每个请求提供多达100张图像或页面的结构化输出
响应中的关键字段包括 `sourceUrl` `page` `text` `lines`（包含各个行的详细信息）`meanConfidence` `method` `width` 和 `height` 每一行包括其文本 置信评分 和边界框
响应数据以JSON格式组织，包含一个主对象，其中有一个结果的`count`和一个`items`数组。每个项代表一个图像或页面，详细说明提取的文本和相关元数据
该端点提供提取的文本每行的置信分数边界框坐标以及从图像或扫描PDF提取的文本的整体平均置信度
用户可以通过指定参数自定义请求，例如他们想要处理的图像URL或PDF文件。他们还可以根据特定标准筛选结果，例如语言或文本特征
典型的用例包括数字化打印文档 提取文本以进行数据分析 创建可搜索的扫描材料档案 以及提升视觉障碍用户的可及性
通过使用Tesseract对扫描图像进行处理以及利用数字PDF中的文本层来保持数据的准确性 不断更新和改进OCR算法也增强了准确性
用户可以通过分析置信度分数来评估文本的可靠性，使用边界框坐标进行布局分析，并将提取的文本集成到应用程序中以便进一步处理或显示
