翔云通用文档/表格识别

功能概述

调用翔云 OCR 平台的通用文档识别 API（typeId: 3050），对图片、PDF、扫描件中的文字、表格、版面结构进行一体化识别，并支持导出为 Excel、Word、Markdown、PDF、TXT、OFD 等多种格式。

适用场景：
| 类别 | 示例 |
|:---|:---|
| 纯表格 | 财务报表、数据表格、对账单、工程量表 |
| 含表格文档 | 合同、报告、说明书、论文、试卷 |
| 纯文字文档 | 证件、发票、手写稿、扫描件 |
| 多语言文档 | 英文合同、日文资料、繁体文档、多语言混排 |

> 💡 表格识别建议：layout: 1（开启版面分析）对表格结构识别更友好。

⚠️ 安全说明

数据发送范围：
- 识别阶段：用户图片和 API 凭据会被发送至 netocr.com 进行云端 OCR 处理，图片不会在服务端持久化存储
- 下载阶段：OSS 导出会话凭证来自 API 返回的预签名 URL，文件直接下载到本地

SSL 处理策略：
- 主 API（netocr.com）：完整 SSL 证书验证（requests 默认行为）
- OSS 下载（product.netocr.com）：翔云返回 http://product.netocr.com/... 预签名 URL，该域名是阿里云 OSS cn-beijing 的 CNAME。脚本将请求目标替换为阿里云 OSS 官方域名（oss-cn-beijing.aliyuncs.com），并通过 Host 头携带原始域名以使预签名校验通过，全程使用标准 HTTPS，无任何 SSL 配置修改

⚠️ 凭据配置

配置文件

将凭据保存到 Skill 目录下的 config.json：

// config.json（Skill 同目录下）
{
  "key": "你的OCRKey",
  "secret": "你的OCRSecret"
}

> 💡 首次使用：创建 config.json，填入凭据即可。配置一次，永久使用。

凭据加载优先级

首次配置流程

1. 检查 ./config.json 是否存在且含 key 和 secret
2. 若不存在或不完整，向用户提示：

首次使用翔云文档识别，请配置 API 凭据：

1. 前往 https://netocr.com 注册并登录
2. 进入【个人中心】获取 API Key 和 Secret
3. 请提供：
   - key：______
   - secret：______

3. 收到后写入 ./config.json，并提示用户"凭据已保存，后续无需重复输入"

触发词参考

执行流程

阶段一：识别文档

Step 1：加载凭据

按【凭据配置】章节顺序加载 key / secret：
- config.json → 环境变量 → 用户输入

Step 2：获取图片输入

支持以下方式：
- 本地文件路径：用户提供绝对路径，脚本读取后转 Base64
- 用户拖入文件：直接获取文件路径
- 批量目录：用户提供文件夹路径，遍历所有图片

Step 3：配置识别参数

固定参数：

{ "typeId": 3050, "format": "json" }

语言参数 nLanguage（默认 0=简体中文）：
| 值 | 语言 | 值 | 语言 |
|:---:|:---|:---:|:---|
| 0 | 简体中文（印刷）| 9 | 法文 |
| 1 | 繁体中文（印刷）| 10 | 西班牙文 |
| 2 | 英文 | 11 | 日文 |
| 3 | 简体中文（印刷+手写）| 12 | 韩文 |
| 4 | 繁体中文（印刷+手写）| 13 | 葡萄牙文 |
| 5 | 阿拉伯文 | 14 | 越南文 |
| 6 | 乌尔都文 | 15 | 孟加拉文 |
| 8 | 西里尔文（俄文等）| | |

> 💡 语言推断：提到"英文"→ 2；"日文"→ 11；"繁体"→ 1；未指定→ 0

版面参数 layout：
| 值 | 含义 | 适用 |
|:---:|:---|:---|
| 0 | 关闭版面分析 | 纯文字、证件 |
| 1 | 开启版面分析 | 表格首选、多栏文档 |

图像校正参数：
| 参数 | 值 | 触发条件 |
|:---|:---:|:---|
| autoRotation | 1 | 图片自动判断是否旋转 |
| inclineCorrect | 0/1/2 | 不矫正/透视畸变/弯曲畸变校正 |

预处理参数：
| 参数 | 值 | 触发条件 |
|:---|:---:|:---|
| removeWaterMark | 1 | 去除水印 |
| filterColor | 1~4 | 滤红/滤蓝（背景干扰时）|

Step 4：调用识别 API

执行脚本 scripts/recognize_table.py：

python scripts/recognize_table.py --image <路径> --export xls

API 接口：
- Base64：POST https://netocr.com/api/recog_table_base64
- File 上传：POST https://netocr.com/api/recog_table_file

响应格式：{"message": {"status": 0, "value": {...}}}
- status == 0 表示成功
- consumeId 在 message.value.consumeId

Step 5：展示结果

• 以 Markdown 表格预览识别内容
• 告知 consumeId，提示可随时导出

阶段二：导出文件（按需触发）

> 仅当用户明确提出"导出/下载/转换/保存为"时才执行。

导出格式：
| 格式 | 说明 | 推荐场景 |
|:---|:---|:---|
| xls | Excel | 数据处理 |
| flowWord | Word 文字流 | 正文编辑 |
| boxWord | Word 文本框 | 保留排版 |
| md | Markdown | 文档转换 |
| pdf | 双层 PDF | 存档打印 |
| txt | 纯文本 | 简单提取 |
| ofd | OFD | 国产格式归档 |

下载接口：POST https://netocr.com/api/download_file
- 不需要 key/secret
- 返回 OSS 预签名 URL → 再发 GET 请求下载实际文件

批量识别

1. 遍历目录下所有 jpg/png/jpeg/webp/tif/pdf 文件
2. 逐一调用识别 API（间隔 0.5 秒）
3. 汇总展示成功/失败统计
4. 按需批量导出

图片/文件要求

错误处理

参考文档

详细 API 字段、参数枚举及返回结构，参考：(表格识别文档)

合作机会

公有云销售热线（服务器版OCR识别软件）：
尹经理 [13810080484] [yinhm@sinosecu.com.cn]