ไลบรารี OCR ของ Node.js เพื่อจดจำ/สกัดข้อความจากภาพ

เริ่มต้นใช้งาน Aspose.OCR library for Node.js via C++

วิธีที่แนะนำในการติดตั้ง Aspose.OCR library for Node.js via C++ คือการใช้ npm โปรดใช้คำสั่งต่อไปนี้เพื่อการติดตั้งที่ราบรื่น

 npm install aspose-ocr-cloud 

Aspose.OCR library for Node.js via C++ มีฟังก์ชันครบถ้วนสำหรับการทำงาน OCR บนภาพต่าง ๆ ด้วยเพียงไม่กี่บรรทัดของโค้ด ผู้พัฒนาซอฟต์แวร์สามารถจดจำและสกัดข้อความจากภาพภายในแอปพลิเคชัน Node.js ได้ API รองรับรูปแบบไฟล์ภาพยอดนิยมหลายรูปแบบ เช่น JPEG, PNG, GIF, TIFF, PDF, BMP และอื่น ๆ อีกมากมาย มีคุณลักษณะสำคัญหลายอย่าง เช่น การจดจำภาพที่หมุน, เอียง หรือมีสัญญาณรบกวน นอกจากนี้ผู้พัฒนายังสามารถบันทึกผลการจดจำในรูปแบบเอกสารและข้อมูลที่นิยมได้ ตัวอย่างต่อไปนี้แสดงวิธีใช้คำสั่ง JavaScript เพื่อโหลดและสกัดข้อความจากภาพ

วิธีจดจำข้อความจากภาพในแอป Node.js?

let source = Module.WasmAsposeOCRInput();
source.url = internalFileName;
let batch = new Module.WasmAsposeOCRInputs();
batch.push_back(source);

// Send image for OCR
var result = Module.AsposeOCRRecognize(batch);
// Output extracted text to the console
var text = Module.AsposeOCRSerializeResult(
              result, Module.ExportFormat.text);

console.log(text);

การจดจำข้อความที่เขียนด้วยมือในแอป Node.js

Aspose.OCR library for Node.js via C++ ทำให้ผู้พัฒนาซอฟต์แวร์สามารถจดจำข้อความที่เขียนด้วยมือภายในแอป Node.js ของตนได้อย่างง่ายดาย สามารถจดจำข้อความที่เขียนด้วยมือได้เพิ่มเติมจากข้อความพิมพ์ ทำให้การใช้งานขยายไปยังเอกสารประเภทต่าง ๆ ผู้พัฒนาสามารถเปิดใช้งานโหมดจดจำข้อความที่เขียนด้วยมือได้ นอกจากนี้ยังสามารถจดจำภาพจาก URL โดยไม่ต้องดาวน์โหลดลงเครื่อง ตัวอย่างต่อไปนี้แสดงวิธีที่ผู้พัฒนาสามารถโหลดและจดจำข้อความที่เขียนด้วยมือในแอป Node.js

const recognizeHandwritten = true;

ocrApi.recognizeFromContent('eng', recognizeHandwritten, imageBuffer, (error, data) => {
  if (error) throw error;

  console.log('Extracted Handwritten Text:', data.text);
});

การสนับสนุนการจดจำแบบเทมเพลต

การจดจำแบบเทมเพลตเกี่ยวข้องกับการกำหนดเทมเพลตที่ระบุโครงสร้างและพื้นที่ที่สนใจในเอกสาร การจดจำแบบเทมเพลตด้วย Aspose.OCR for Node.js via C++ ให้วิธีที่เป็นโครงสร้างและแม่นยำในการสกัดข้อมูลจากเอกสารที่มีเลย์เอาต์คงที่ ฟีเจอร์นี้มีประโยชน์สำหรับการสกัดฟิลด์เฉพาะจากแบบฟอร์ม, ใบแจ้งหนี้ และเอกสารเทมเพลตอื่น ๆ ต่อไปนี้เป็นตัวอย่างที่มีประโยชน์ซึ่งแสดงวิธีที่ผู้พัฒนาสามารถโหลดเทมเพลตและนำไปใช้กับภาพเพื่อทำ OCR ภายในแอป Node.js

const fs = require('fs');
const { OcrApi, AsposeApp, TemplateApi } = require('aspose-ocr-cloud');

const appSid = 'your-app-sid';
const appKey = 'your-app-key';

AsposeApp.appSID = appSid;
AsposeApp.appKey = appKey;

const ocrApi = new OcrApi();
const templateApi = new TemplateApi();

const imagePath = 'path/to/your/invoice.jpg';
const templatePath = 'path/to/your/template.json';

fs.readFile(imagePath, (err, imageBuffer) => {
  if (err) throw err;

  fs.readFile(templatePath, (err, templateBuffer) => {
    if (err) throw err;

    // Load the template
    templateApi.addTemplate(templateBuffer, (error, templateId) => {
      if (error) throw error;

      // Apply the template to the image
      ocrApi.recognizeFromTemplate(imageBuffer, templateId, (error, result) => {
        if (error) throw error;

        console.log('Extracted Data:', result.fields);
      });
    });
  });
});

การรักษาการจัดรูปแบบข้อความในกระบวนการ OCR

การรักษาการจัดรูปแบบข้อความระหว่างกระบวนการ OCR มีความสำคัญสำหรับแอปพลิเคชันที่โครงสร้าง, สไตล์ฟอนต์และการจัดวางของข้อความเป็นสิ่งสำคัญ นอกจากการสกัดข้อความธรรมดาแล้ว Aspose.OCR for Node.js via C++ ยังสามารถรักษาการจัดรูปแบบของข้อความที่จดจำได้รวมถึงสไตล์ฟอนต์, ขนาดและสี ซึ่งเป็นประโยชน์อย่างยิ่งสำหรับการประมวลผลเอกสารที่ต้องการรักษาการจัดรูปแบบ ด้านล่างเป็นตัวอย่างที่แสดงวิธีที่ผู้พัฒนาสามารถรักษาการจัดรูปแบบข้อความโดยใช้ Aspose.OCR API

const fs = require('fs');
const { OcrApi, AsposeApp, OCRFormat, OCRRecognitionSettings } = require('aspose-ocr-cloud');

const appSid = 'your-app-sid';
const appKey = 'your-app-key';

AsposeApp.appSID = appSid;
AsposeApp.appKey = appKey;

const ocrApi = new OcrApi();

const imagePath = 'path/to/your/document.jpg';

fs.readFile(imagePath, (err, imageBuffer) => {
  if (err) throw err;

  const recognitionSettings = new OCRRecognitionSettings();
  recognitionSettings.setDetectAreas(true);
  recognitionSettings.setDetectText(true);
  recognitionSettings.setDetectItalic(true);
  recognitionSettings.setDetectBold(true);

  ocrApi.recognizeWithSettings(imageBuffer, OCRFormat.TEXT, recognitionSettings, (error, data) => {
    if (error) throw error;

    const formattedText = data.text;
    const formattingDetails = data.textAreas;

    console.log('Extracted Text with Formatting:', formattedText);
    console.log('Formatting Details:', formattingDetails);
  });
});