# 印刷文字识别 API 文档

# 接口说明

通用文字识别(General words Recognition)基于深度神经网络模型的端到端文字识别系统,将图片(来源如扫描仪或数码相机)中的文字转化为计算机可编码的文字,支持中英文。
该能力是通过HTTP API的方式给开发者提供一个通用的接口,适用于一次性交互数据传输的AI服务场景,即将音频一次性发送至云端,块式传输。相较于SDK,API具有轻量、跨语言的特点,不过请注意该接口使用的HTTP API协议不支持跨域。

# 接口Demo

示例demo请点击 这里 下载。
目前仅提供部分开发语言的demo,其他语言请参照下方接口文档进行开发。
也欢迎热心的开发者到 讯飞开放平台社区 分享你们的demo。

# 接口要求

集成印刷文字识别API时,需按照以下要求。

内容 说明
请求协议 http[s] (为提高安全性,强烈推荐https)
请求地址 http[s]: //webapi.xfyun.cn/v1/service/v1/ocr/general
注:服务器IP不固定,为保证您的接口稳定,请勿通过指定IP的方式调用接口,使用域名方式调用
请求方式 POST
接口鉴权 签名机制,见授权认证
字符编码 UTF-8
响应格式 统一采用JSON格式
开发语言 任意,只要可以向讯飞云服务发起HTTP请求的均可
图片格式 jpg/png/bmp
图片属性 最短边至少15px,最长边最大4096px
图片大小 图像数据按要求编码后(base64编码后进行urlencode)大小不超过4M
文字语种 中英文

# 接口调用流程

注: 调用接口前需配置IP白名单,IP白名单规则请参照 IP白名单

  1. 通过接口密钥基于MD5计算签名,将签名以及其他参数放在Http Request Header中,详见下方 请求头
  2. 将图片数据放在Http Request Body中,以POST表单的形式提交,详见下方 请求体
  3. 向服务器端发送Http请求后,接收服务器端的返回结果,返回结果详见各接口的详细说明。

接口地址示例:

	POST http[s]://webapi.xfyun.cn/v1/service/v1/ocr/general HTTP/1.1
	Content-Type:application/x-www-form-urlencoded; charset=utf-8

# 白名单

在调用该业务接口时,授权认证通过后,服务端会检查调用方IP是否在讯飞开放平台配置的IP白名单中,对于没有配置到白名单中的IP发来的请求,服务端会拒绝服务。
注:

  • IP白名单,在 控制台-我的应用-相应服务的应用管理卡片上 编辑,保存后五分钟左右生效;
  • 不同Appid的不同服务都需要分别设置IP白名单;
  • 每个IP白名单最多可设置5个IP,IP为外网IP,请勿设置局域网IP;
  • 如果服务器返回结果如下所示(illegal client_ip),则表示由于未配置IP白名单或配置有误,服务端拒绝服务。解决办法请参考 IP白名单问题汇总
{
    "code":"10105",
    "desc":"illegal access|illegal client_ip",
    "data":"",
    "sid":"xxxxxx"
}

# 接口请求参数

# 请求头

Http Request Header 中配置以下参数。

# 授权认证

以下参数用于授权认证:

参数 格式 说明 必须
X-Appid string 讯飞开放平台注册申请应用的应用ID(appid)
X-CurTime string 当前UTC时间戳
从1970年1月1日0点0 分0 秒开始到现在的秒数
X-Param string 相关参数JSON串经Base64编码后的字符串,详见业务参数
X-CheckSum string 令牌,计算方法:MD5(APIKey + X-CurTime + X-Param),三个值拼接的字符串,进行MD5哈希计算(32位小写)

注:

  • APIKey:接口密钥,在讯飞开放平台控制台添加相应服务后即可获取,调用方注意保管,如泄露,可到控制台提交工单联系技术人员重置;
  • X-CheckSum 有效期:出于安全性考虑,每个 X-CheckSum 的有效期为 5 分钟(用 X-CurTime 计算),同时 X-CurTime 要与标准时间同步,否则时间相差太大,服务端会直接认为 X-CurTime 无效;
  • BASE64 编码采用 MIME 格式,字符包括大小写字母各26个,加上10个数字,和加号 + ,斜杠 / ,一共64个字符。

*X-CheckSum *生成示例:

String APIKey="abcd1234"; 
String X-CurTime="1502607694";
String X-Param="eyAiYXVmIjogImF1ZGlvL0wxNjtyYXR...";
String X-CheckSum=MD5(apiKey + X-CurTime + X-Param);

# 业务参数

X-Param 为各配置参数组成的 JSON 串经 BASE64 编码之后的字符串,原始 JSON 串各字段说明如下:

参数 类型 必须 说明 示例
language string 语言,可选值:en(英文),cn|en(中文或中英混合) en
location string 是否返回文本位置信息,可选值:false(否),true(是),默认为false true

X-Param生成示例:

	原始JSON串:
	{
	    "language": "en",
	    "location": "false"
	}
	BASE64编码(即X-Param):
	eyJsYW5ndWFnZSI6ImVuIiwibG9jYXRpb24iOiJmYWxzZSJ9

# 请求体

以POST表单的形式提交以下参数:

参数 类型 必须 说明 示例
image string 图像数据
base64编码后进行urlencode
要求base64编码和urlencode后大小不超过4M
最短边至少15px,最长边最大4096px
支持jpg/png/bmp格式
exSI6ICJ...

注: 1)一般基础类库会默认进行urlencode处理,请注意不要重复处理
2)base64编码后大小会增加约1/3

# 接口返回参数

返回值为json串,各字段如下:

参数 类型 说明
code string 结果码(具体见SDK&API错误码查询)
data json 详见data说明
desc string 描述
sid string 会话ID

其中sid字段主要用于追查问题,如果出现问题,可以提供sid给讯飞技术人员帮助确认问题。

data各字段说明如下:

参数 类型 说明
block 对象数组 区域块信息
type string 区域块类型(text-文本,image-图片)
line 对象数组 行信息
word 对象数组 字(中文),单词(英文)
content string 内容
confidence float 后验概率
location 对象 位置信息
top_left 对象 左上角位置信息
right_bottom 对象 右下角位置信息
x int 对应点的横坐标(像素)
y int 对应点的纵坐标(像素)

示例如下:

失败:

    {
        "code": "10106",
        "desc": "invalid parameter|invalid X-Appid",
        "data": "",
        "sid": "wcr0000bb3f@ch3d5c059d83b3477200"
    }

成功

含位置信息

	{
	    "code": "0",
	    "data": {
	        "block": [
	            {
	                "line": [
	                    {
	                        "confidence": 1,
	                        "word": [
	                            {
	                                "content": "I'm",
	                                "location": {
	                                    "right_bottom": {
	                                        "y": 28,
	                                        "x": 18
	                                    },
	                                    "top_left": {
	                                        "y": 0,
	                                        "x": 0
	                                    }
	                                }
	                            }
	                        ],
	                        "location": {
	                            "right_bottom": {
	                                "y": 28,
	                                "x": 478
	                            },
	                            "top_left": {
	                                "y": 0,
	                                "x": 0
	                            }
	                        }
	                    }
	                ],
	                "type": "text"
	            }
	        ]
	    },
	    "sid": "wcr00000009@ch0fc40d9e4cdf000100",
	    "desc": "success"
	}	

不含位置信息

	{
        "code":"0",
        "data":{
            "block":[
                {
                    "line":[
                        {
                            "confidence":1,
                            "word":[
                                {
                                    "content":"I'm"
                                }
                            ]
                        }
                    ],
                    "type":"text"
                }
            ]
        },
        "sid":"wcr00000008@ch0fc40d9e4c73000100",
        "desc":"success"
    }

# 调用示例

印刷文字识别demo go语言

印刷文字识别demo php语言

印刷文字识别demo python3语言

印刷文字识别demo java语言

印刷文字识别demo c#语言

印刷文字识别demo nodejs语言

# 常见问题

# 印刷文字识别主要功能是什么?

答:印刷文字识别基于深度神经网络模型的端到端文字识别系统,将图片(来源如扫描仪或数码相机)中的印刷字体转化为计算机可编码的文字。

# 印刷文字识别是否支持英文。

答:支持英文,以及中英文混合模式。

# 印刷文字识别是否支持有旋转方向的文字

答:支持文字与水平轴小于±15°夹角偏转。

# 印刷文字识别对输入图片有什么要求?

答:(1)像素要求:最短边至少15px,最长边最大4096px; (2)大小要求:<4MB; (3)格式要求:JPEG,PNG,BMP。

# 印刷文字识别能否识别竖排版的文字?

答:文字识别首先是按行进行分好,然后分别识别;不建议识别竖排版的文字,因为识别出来的文字排序是乱的。

# 印刷文字识别的收费价格是多少?怎么购买?

答:每个账号免费领取一次3000服务量有效期90天,套餐一:1w次服务量/350元/年,套餐二:10w次服务量/3200元/年,套餐三:100w次服务量/30000元/年,可在控制台对应服务--->实时用量--->购买服务量,套餐详细说明页