OCR文档

接口能力:

通用文字识别:对文本文件进行识别,返回给用户文字

请求说明:

HTTP方法
post
请求URL
http://---.---.---,---:8081/ocrstart
url参数:
data参数:图像数据,base64编码后的图像数据直接放入到data中

请求代码示例:

python版本:

import requests
import base64
import json

with open("test.png","rb") as f:
    base64_data = base64.b64encode(f.read())
return_data = requests.post("http://---.---.----.---:8081/ocrstart",data=base64_data)

返回数据格式:

requests.models.Response

返回数据说明:

采用json.loads(return_data.text)转化为json数据,json的数据格式如下

[
  {
    "line" : ********文字所在行数********,
    "data" : *********返回的文字*********,
    "loc"  : ********文字框的位置********
  },

  {
    "line" : ********文字所在行数********,
    "data" : *********返回的文字*********,
    "loc"  : ********文字框的位置********
  },
    .
    .
    .
  {
    "line" : ********文字所在行数********,
    "data" : *********返回的文字*********,
    "loc"  : ********文字框的位置********
  },

  {  
    "picture" : *******返回图片的base64编码********
  }
]

说明:
返回数据处理后为列表类型,列表的每一项的内容均为字典,除最后一项中存放标注了待识别文字的位置的图片的base64编码,列表的其他项均是识别结果信息,其中line表示文字处于第几行;data表示识别的文字内容;loc表示每行文字的位置信息

返回示例:

传入图片:

示例图片

[
{
"data":"施与受的定律就是能量守恒的定律。",
"line":1,
"loc":"[ 072384700105384104 ]"
},
{
"data":"就是说: 你布施出去的任何东西,终将成倍地回报到你身上。",
"line":2,
"loc":"[ 01476401470179640178 ]"
},
{
"data":"你布施金钱或物质",
"line":3,
"loc":"[ 02222242230252224253 ]"
},
{
"data":"将会成倍地获得金钱或物质回报;",
"line":4,
"loc":"[ 02973682970330368330 ]"
},
{
"data":"你布施欢喜,让他人愉悦,",
"line":5,
"loc":"[ 03722883720404288404 ]"
},
{
"data":"将会成倍地得到他人回报给你的欢喜",
"line":6,
"loc":"[ 04474004490482400484 ]"
},
{
"data":"你布施安定,让他人心安",
"line":7,
"loc":"[ 05212885220554288555 ]"
},
{
"data":"将会成倍地得到安乐;",
"line":8,
"loc":"[ 05972405980632240632 ]"
},
{
"data":"相反,如果你施加于别人的是不安、憎恨、怒气、忧愁,",
"line":9,
"loc":"[ 06755926730706592704 ]"
},
{
"data":"也将成倍地得到这些报应。",
"line":10,
"loc":"[ 07482887490779288780 ]"
},
{
"data":"宇宙是一台无比精密的精算器。你给予出去的任何东西,最后都会以各种形式回到你的",
"line":11,
"loc":"[ 08239128210858912856 ]"
},
{
"data":"身边。",
"line":12,
"loc":"[ 086180861089280893 ]"
},
{
"picture":"data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAA0gAAAMpCAIAAACxLYRzAAEAAElEQVR4nOzdd5gcx30n/F91nhx3Z3......"
}
]

传回图片:

返回图片

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,377评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,390评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,967评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,344评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,441评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,492评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,497评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,274评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,732评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,008评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,184评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,837评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,520评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,156评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,407评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,056评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,074评论 2 352

推荐阅读更多精彩内容