Axtarışa yararlı PDF-lər yaratmaq üçün Açıq mənbəli OCR JavaScript API

Scribe.js-i npm vasitəsilə quraşdırın

 npm install scribe.js-ocr 

Siz həmçinin onu əl ilə quraşdıra bilərsiniz; son buraxılış fayllarını birbaşa GitHub deposundan yükləyin.

JavaScript Kitabxanası vasitəsilə Şəkildən Mətn Necə Çıxarılır?

import scribe from 'scribe.js-ocr';

// Extract text from a single image
scribe.extractText(['https://example.com/sample-image.png'])
  .then((result) => {
    console.log('Extracted text:', result);
  })
  .catch((error) => {
    console.error('OCR failed:', error);
  });

JavaScript Kitabxanası vasitəsilə Axtarışa Uyğun PDF Sənədləri Necə Yaradılır?

import scribe from 'scribe.js-ocr';

// Add searchable text layer to an image-based PDF
async function makeSearchablePDF(inputPdfUrl) {
  try {
    // First, perform OCR on the PDF
    const ocrResult = await scribe.extractText([inputPdfUrl]);
    
    // Then create a new PDF with the text layer embedded
    const searchablePdf = await scribe.createSearchablePDF(
      inputPdfUrl,
      ocrResult
    );
    
    // The resulting PDF maintains the original appearance
    // but now contains selectable, searchable text
    return searchablePdf;
  } catch (error) {
    console.error('Failed to create searchable PDF:', error);
    throw error;
  }
}

JS vasitəsilə İrəli Səviyyəli Sənəd Mətn Aşkarlanması

Sıx mətnli və mürəkkəb tərtibatlı sənəd şəkilləri üçün (məsələn, skan edilmiş kitab səhifəsi və ya PDF ixracı), Scribe.js kitabxanası "Sənəd Mətninin Aşkarlanması" xüsusiyyətini təklif edir. Bu, paraqraf, söz və sətir fasiləsi detektorları daxil olmaqla, daha zəngin məlumatlar təqdim edir və orijinal sənədin strukturunu qorumağa kömək edir. Bu, mənbə materialının tərtibatı və strukturu vacib olan tətbiqlər üçün, məsələn, formaların, fakturaların və ya çoxsütunlu tərtibatların işlənməsi kimi, son dərəcə faydalıdır.

const Scribe = require('scribejs');
const serviceAccountKey = require('./path-to-your-key.json');
const scribe = new Scribe(serviceAccountKey);

const documentImageUrl = 'https://example.com/scanned-invoice.png';

// Use the `documentText` method for advanced detection
scribe.documentText(documentImageUrl)
  .then(fullTextAnnotation => {
    // The fullTextAnnotation object contains detailed data
    console.log('Full Document Text:');
    console.log(fullTextAnnotation.text); // The plain text of the entire document

    // You can also iterate through pages, blocks, paragraphs, and words
    fullTextAnnotation.pages.forEach(page => {
      page.blocks.forEach(block => {
        console.log('\nBlock Confidence:', block.confidence);
        block.paragraphs.forEach(paragraph => {
          console.log(paragraph.text);
        });
      });
    });
  })
  .catch(error => {
    console.error('Document OCR Error:', error);
  });

import scribe from 'scribe.js-ocr';

// Process multiple documents at once
async function batchProcess(fileUrls) {
  try {
    // Pass an array of URLs to process multiple files
    const results = await scribe.extractText(fileUrls);
    
    // Results are returned in the same order as input
    results.forEach((text, index) => {
      console.log(`Document ${index + 1} text:`, text);
    });
    
    return results;
  } catch (error) {
    console.error('Batch processing failed:', error);
    throw error;
  }
}

// Process a batch of documents
const documents = [
  'https://example.com/receipt1.jpg',
  'https://example.com/receipt2.jpg',
  'https://example.com/invoice.pdf'
];

batchProcess(documents)
  .then(allText => {
    console.log('All documents processed successfully');
  });