文档识别-表格识别-Pro（翔云开放平台）

翔云通用文档/表格识别 Agent。当用户请求以下操作时触发： - 通用文档识别、文档 OCR、OCR 文档、识别图片文字 - 表格识别、表格 OCR、识别表格 - 提取表格内容、读取表格数据 - 识别图片/扫描件/PDF 中的文字和表格 - 表格转 Excel、表格转 Word、表格转 Markdown - 导...

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

优先级	来源	说明
1	./config.json	Skill 自目录配置文件
2	环境变量	NETOCR_KEY / NETOCR_SECRET
3	用户输入	前两者都没有时，向用户索要

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

触发表达	对应意图
"识别这个文档"、"OCR 这张图片"、"读取图片文字"	通用文档识别
"识别这张表格"、"提取表格数据"	表格识别（自动 layout=1）
"英文合同 OCR"、"识别日文资料"	多语言识别
"帮我识别 PDF"、"扫描件文字提取"	PDF/扫描件识别
"这张发票识别一下"	证件/票据识别
"表格转 Excel"、"导出为 Markdown"	识别 + 导出
"歪斜文档识别"、"图片有点歪"	带校正的识别
"批量识别文件夹里所有图片"	批量识别

---

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

类型	要求
支持格式	PNG、JPG、JPEG、WEBP、TIF、OFD、PDF
普通图像	约 200KB，位深度 24 以上
扫描件	分辨率 300DPI，小于 3M

---

错误处理

错误码	含义	处理
20001	Key/Secret 错误	检查配置文件凭据
10001	缺少必要参数	检查 typeId/format
10002	识别失败	改善图片质量，开 autoRotation
10003	额度不足	充值或更换账号
10004	图片格式不支持	转为 JPG/PNG 后重试
下载失败	consumeId 过期	重新识别后再下载

---

获取 key 和 secret

1. 登录翔云
2. 在个人中心获得

参考文档

详细 API 字段、参数枚举及返回结构，参考：翔云 OCR API 参考