Перейти к содержанию

Распознавание текста в файле

Модуль OCR предназначен для распознавания текста в файлах и формирования pdf-файлов с текстовым слоем.

Данный модуль выполняет следующие функции:

  • Создание карточки операции OCR для файла, в котором необходимо распознать текст.
  • Создание запроса на распознавание текста с заданными параметрами.
  • Отслеживание прогресса распознавания текста файла.
  • Формирование json-файла с метаданными, содержащими информацию о распознанных элементах.
  • Формирование pdf-файла, в котором хранится содержимое распознаваемого файла и распознанный текст в виде текстового слоя.

Для работы модуля необходимо:

Поддерживаемые форматы файлов: pdf, gif, tif, tiff, pnm, png, jpg, jpeg, jfif, bmp (кроме 32-битовых 4-х канальных изображений с поддержкой прозрачности, для них требуется преобразование к другому формату, например, png).

Карточка “Настройки распознавания текста”

Открыть карточку можно из меню системы -> Настройки -> Настройки распознавания текста.

Карточка содержит следующие настройки:

Параметр
Описание
Включить распознавание текста в файле Отвечает за включение/отключение модуля. Если этот флаг снят, то пункт Распознавание текста контекстного меню файла перестаёт отображаться, а также не работают плагины для распознавания текста в файле и удаления карточек операций OCR

Таблица
Описание
Настройки типов для маппинга полей Таблица со списком типов карточек/документов, для которых будут добавлены секции с полями для маппинга значений в ходе верификации документа в карточке операции OCR
Настройки секций для маппинга полей Таблица со списком секций соответствующего типа, для которых будут добавлены поля для маппинга значений в ходе верификации документа в карточке операции OCR
Настройки полей для маппинга Таблица со списком полей соответствующих типа и секции для маппинга значений в ходе верификации документа в карточке операции OCR

Таблица
Описание
Настройки шаблонов Таблица с шаблонами в виде регулярных выражений, которые используются при верификации значений в полях карточки операции OCR
Параметр
Описание
№ Порядок записи в таблице. Порядок задаёт приоритет проверки шаблона в рамках одного и того же типа данных при верификации поля в карточке операции OCR
Тип шаблона Тип данных поля, для проверки которого будет использован шаблон
Значение шаблона Паттерн, который представлен в виде регулярного выражения. Данный паттерн будет использован при верификации поля
Описание Дополнительная информация, описывающая шаблон. Например, пример входных данных или паттерн в понятном виде

Important

Значение шаблона должно содержать регулярное выражение, состоящее из именованных групп. Набор имён групп фиксирован и перечислен в подсказке, которая отображается при создании или изменении строки с шаблоном. Порядок групп не имеет значения, однако имеет значение порядок шаблона в таблице, так как проверка значения поля будет выполняться с учетом приоритетности. Например, предполагается, что дата в верифицируемом поле имеет формат MM-dd-yyyy. А в таблице настройки шаблонов паттерн MM-dd-yyyy стоит после паттерна dd-MM-yyyy, т.е. имеет меньший приоритет. В случае, если верифицируемое поле будет иметь значение 01-02-2025, то 01 будет обработано как день, а 02 - как месяц, поскольку будет применён паттерн dd-MM-yyyy. Если необходимо обратное поведение, то необходимо изменить порядок записей в таблице настройки шаблонов.

Информация о запуске процесса OCR посредством утилиты tadmin находится в разделе Команда распознавания текста в файле.

Back to top