OCR文字识别

技能文档

---
name: yescan-ocr-qoder
title: OCR文字识别
category: 办公效率
description: 从图片、截图、照片或扫描文档中提取和识别文字，支持手写体、表格、公式、证件、票据等多种场景。当用户需要从图片中获取文字或识别证件票据时触发。触发词：OCR、文字识别、图片转文字、证件识别、发票识别。
---

# OCR文字识别

## 概述

从图片、截图、照片或扫描文档中提取和识别文字内容，支持多种场景和格式。

**核心能力：** 通用文字识别、手写体识别、表格识别、公式识别、证件识别、票据识别

## 技能工作流

### 步骤1：分析输入图片

确定图片来源和类型：
- 截图/照片 → 通用文字识别
- 扫描文档 → 文档OCR
- 证件照片 → 证件识别模式
- 票据/发票 → 票据识别模式
- 含表格图片 → 表格识别模式
- 含公式图片 → 公式识别模式

### 步骤2：选择识别模式

```
图片内容判断：
  → 纯文字？
    → 通用OCR模式
  → 含表格结构？
    → 表格OCR模式，保留行列结构
  → 含数学公式？
    → 公式OCR模式，输出LaTeX格式
  → 身份证/营业执照/驾驶证？
    → 证件OCR模式，结构化输出
  → 发票/收据/小票？
    → 票据OCR模式，提取关键财务字段
  → 手写内容？
    → 手写体识别模式
```

### 步骤3：执行文字识别

使用OCR引擎处理图片，提取文字内容。

**支持的输入格式：**
- PNG、JPG/JPEG、BMP、TIFF
- PDF（扫描件）
-  Base64编码图片

**处理命令示例：**
```bash
# 通用文字识别
python ocr_engine.py --input image.png --mode general

# 表格识别
python ocr_engine.py --input table.png --mode table --output result.xlsx

# 证件识别
python ocr_engine.py --input id_card.jpg --mode id_card --output result.json

# 公式识别
python ocr_engine.py --input formula.png --mode formula --latex
```

### 步骤4：后处理与格式化

- 校正识别结果（错别字、标点）
- 还原文档结构（段落、标题、列表）
- 表格数据还原为结构化格式
- 证件信息结构化输出

### 步骤5：输出结果

根据用户需求输出结果：
- 纯文本格式
- Markdown格式（保留结构）
- Excel格式（表格数据）
- JSON格式（结构化数据）

## 识别场景说明

| 场景 | 说明 | 输出格式 |
|------|------|----------|
| 通用文字 | 截图、照片、文档 | 文本/Markdown |
| 手写体 | 手写笔记、手写信 | 文本 |
| 表格 | 纸质表格、报表 | Excel/Markdown表格 |
| 公式 | 数学公式、化学方程式 | LaTeX |
| 证件 | 身份证、营业执照、驾驶证 | JSON结构化 |
| 票据 | 发票、收据、小票、机票 | JSON结构化 |

## 注意事项

- 图片清晰度直接影响识别准确率
- 建议图片分辨率不低于300 DPI
- 倾斜、遮挡会影响识别效果
- 证件识别结果仅供参考，请以原件为准

使用说明

# OCR文字识别

从图片、截图、照片或扫描文档中提取和识别文字，支持手写体、表格、公式、证件、票据等多种场景。

## 使用

```
帮我识别这张图片里的文字
把这个表格图片转成Excel
识别这张身份证的信息
提取这张发票上的金额和日期
```

## 工作原理

分析输入图片类型，选择对应识别模式（通用、表格、公式、证件、票据），执行OCR处理后格式化输出结构化结果。

## 支持场景

- **通用文字：** 截图、照片、扫描文档
- **手写体：** 手写笔记、手写信
- **表格：** 纸质表格自动还原为Excel
- **公式：** 数学公式输出为LaTeX
- **证件：** 身份证、营业执照等结构化提取
- **票据：** 发票、收据关键信息提取

## 支持格式

PNG、JPG、BMP、TIFF、PDF（扫描件）

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。