帮助与文档 > 产品文档 > 文字识别OCR > IOS_SDK文档 > 表格OCR服务
表格OCR服务

表格识别SDK简介

概述

(1) 概念解释

表格识别:基于深度学习技术,自动定位并识别图片中表格的位置、结构及文字内容,结构化返回可编辑的表格结果。支持用户上传报表、带有表格的图片等。

(2) 说明

Hi,您好,欢迎使用有道智云表格识别 iOS SDK。

如果您想快速体验服务,建议您前往 官网体验中心 或者搜索小程序(有道智云体验中心)进行试用。

本文档主要针对需要集成表格识别服务iOS SDK的开发工程师,详细描述有道智云表格识别能力及集成过程。

如果您有与我们商务合作的需求,可以通过以下方式联系我们:

商务邮箱: AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问,可以通过以下几种方式联系我们:

客服QQ:1906538062

智云翻译技术交流QQ 1群: 652880659(已满)

智云翻译技术交流QQ 2群: 669384425(已满)

智云翻译技术交流QQ 3群: 807539209

智云翻译技术交流QQ 4群: 936752411

智云OCR技术交流QQ 1群: 654064748(已满)

智云OCR技术交流QQ 2群: 471638046

智云语音技术交流QQ群:861723255

联系邮箱: zhiyun@corp.youdao.com

温馨提示:

本文档主要针对开发人员,接入测试前需要在后台创建iOS应用,并绑定实例;如果您还没有,请按照 新手指南 操作。
平台向每个账户赠送50元的体验金,供用户集成前测试所用,具体资费规则详见 表格识别服务报价

功能介绍

有道表格识别 SDK 是基于深度学习技术,自动定位并识别图片中表格的位置、结构及文字内容,结构化返回可编辑的表格结果。支持用户上传报表、带有表格的图片等。

兼容性

支持设备:运行了iOS 8.0及以上系统的 iOS 设备

表格识别SDK集成指南

集成前提

开始集成SDK之前开发者需要登录 有道智云平台 ,创建应用获取应用ID(或者通过运营人员获取应用ID),以便使用表格识别服务。

图片支持

格式支持:jpg/png

尺寸限制:2MB以下

集成步骤

SDK包导入

表格识别 SDK 由如下几个 SDK 组成,YDOCRTable.h、libbase.a、libocrtable.a

(1). 添加头文件和库文件:将 表格识别 SDK 添加到工程中,包括 YDOCRTable.h头文件、libbase.a和libocrtable.a文件。可以直接将OCRTableSDK文件夹拖动到工程中,也可以选择File “Add files to ‘Project Name’…”。

(2). 设置工程Other Linker Flags为-ObjC。如图:

(3). 在工程build Phases – Link Binary With Libraries中添加libbase.a, libocrtable.a, AdSupport.framework, CoreTelephony.framework, SystemConfiguration, libz.tbd和libsqlite3.tbd。如图:

SDK初始化

说明:所有的查询都需要初始化key,只执行初始化一次即可。

//初始化key
YDTranslateInstance *yd = [YDTranslateInstance sharedInstance];
yd.appKey = @"your appkey";

功能集成

说明:请参考 demo 中 OCRTableVController 的使用

  1. 构造查询器
YDOCRTableRequest *request = [YDOCRTableRequest request];
YDOCRTableParam *param = [YDOCRTableParam param];
param.docType = @"json";
request.param = param;
  1. 将图片转化为base64编码
NSData *data = [self compressImage];
NSString *input = [data base64EncodedStringWithOptions:0];
  1. 执行识别过程

识别返回两种情况,一种是成功,相关结果存储在 result 参数中,另外一种是失败,失败信息放在 error,是一个枚举类,整个识别是异步的。

[request lookup:input completionHandler:^(YDOCRTableRequest *request, NSDictionary *result, NSError *error) {
        if (error) {
            //失败
            NSLog(@"%@", error.localizedDescription);
        } else {
            //成功
            [self handleResponse:result];
        }
}];

识别结果说明

输出字段介绍

响应结果是以json形式输出,包含字段如下表所示:

字段含义
Result识别结果,如果docType是excel则返回excel的base64字符串
errorCode识别结果错误码,一定存在
-tables返回的表格,如果一张图像中有多个表格,返回多个
-orientation图片方向
--rowRange单元格行号的范围,如果当前行存在单元格合并情况,两个值不同
--lines单元格中的每一行
--lang文字种类 zh为中文
--dir单元格方向:h水平 v竖直
--colRange单元格列号的范围,如果当前列存在单元格合并情况,两个值不同
--cells表格中的单元格
--boundingBox单元格文字的坐标
---words字级别组
---text识别的行文字
---boundingBox行的坐标
----word识别的文字
----boundingBox字的坐标

输出字段示例

  1. docType为json时的结果:
{  
       "errorCode":"0",   #返回状态 如果成功, 返回0
       "Result":"   {        #如果没有错误,返回识别的内容
          "orientation":"UP",#图片方向
          "tables":[         #返回的表格,如果一张图像中有多个表格,返回多个
                {"cells":[      #表格中的单元格
                   {  
                      "rowRange":"0,0", #单元格行号的范围,如果当前行存在单元格合并情况,两个值不同
                      "colRange":"0,0", #单元格列号的范围,如果当前列存在单元格合并情况,两个值不同
                      "boundingBox":"225,209,379,209,379,240,225,240", #单元格文字的bounding box
                      "dir":"h",   #方向 h水平 v竖直
                      "lang":"zh", #文字种类 zh为中文
                      "lines":[    #单元格中的每一行
                         {  
                            "boundingBox":"225,212,379,209,379,237,225,240", #行的坐标
                            "text":"工程项目合同名称", #行文字
                            "words":[               #每个文字
                               {  
                                  "word":"工",
                                  "boundingBox":"231,212,238,212,238,240,231,240" #每个字的包围框
                               },
                               {  
                                  "word":"程",
                                  "boundingBox":"245,212,258,211,258,239,245,240"
                               },
                               ......
                            ]
                         }
                      ]
                   },
                   {  
                      "rowRange":"0,0",#单元格行号的范围,如果当前行存在单元格合并情况,两个值不同
                      "colRange":"1,1",#单元格列号的范围,如果当前列存在单元格合并情况,两个值不同
                      "boundingBox":"441,206,536,206,536,234,441,234",
                      "dir":"h",
                      "lang":"zh",
                      "lines":[  
                         {  
                            "boundingBox":"441,206,536,206,536,234,441,234",
                            "text":"金额",
                            "words":[  
                               {  
                                  "word":"金",
                                  "boundingBox":"454,206,461,206,..."
                                        ......
                                        }
                                    ]
                                }]
                            }
                        }
                        .....
  1. docType为excel时的结果:
{  
       "errorCode":"0",   #返回状态 如果成功, 返回0
       "Result":"{
                    "orientation":"UP",#图片方向
                    "tables":["UEsDBBQ ... ... AsAxQIAAOQ1AAA=="]# 表格excel,使用base64编码后的结果
                 }"
}

错误代码列表

错误码含义
101缺少必填的参数
102不支持的语言类型
103翻译文本过长
104不支持的API类型
105不支持的签名类型
106不支持的响应类型
107不支持的传输加密类型
108应用ID无效,注册账号,登录后台创建应用和实例并完成绑定,可获得应用ID和应用密钥等信息
109batchLog格式不正确
110无相关服务的有效实例
111开发者账号无效
113q不能为空
114不支持的图片传输方式
201解密失败,可能为DES,BASE64,URLDecode的错误
202签名检验失败
203访问IP地址不在可访问IP列表
205请求的接口与应用的平台类型不一致,如有疑问请参考入门指南
206因为时间戳无效导致签名校验失败
207重放请求
301辞典查询失败
302翻译查询失败
303服务端的其它异常
304会话闲置太久超时
401账户已经欠费停
402offlinesdk不可用
411访问频率受限,请稍后访问
412长请求过于频繁,请稍后访问
1001无效的OCR类型
1002不支持的OCR image类型
1003不支持的OCR Language类型
1004识别图片过大
1201图片base64解密失败
1301OCR段落识别失败
1411访问频率受限
1412超过最大识别字节数
2003不支持的语音声道
2004不支持的语音上传类型
2005不支持的语言类型
2006不支持的识别类型
2201识别音频文件过大
2301识别音频时长过长
2411不支持的音频文件类型
2412不支持的发音类型
3001不支持的语音格式
3002不支持的语音采样率
3003不支持的语音声道
3004不支持的语音上传类型
3005不支持的语言类型
3006不支持的识别类型
3007识别音频文件过大
3008识别音频时长过长
3009不支持的音频文件类型
3010不支持的发音类型
3201解密失败
3301语音识别失败
3302语音翻译失败
3303服务的异常
3411访问频率受限,请稍后访问
3412超过最大请求字符数
5001无效的OCR类型
5002不支持的OCR image类型
5003不支持的语言类型
5004识别图片过大
5005不支持的图片类型
5006文件为空
5201解密错误,图片base64解密失败
5301OCR段落识别失败
5411访问频率受限
5412超过最大识别流量
9001不支持的语音格式
9002不支持的语音采样率
9003不支持的语音声道
9004不支持的语音上传类型
9005不支持的语音识别 Language类型
9301ASR识别失败
9303服务器内部错误
9411访问频率受限(超过最大调用次数)
9412超过最大处理语音长度
10001无效的OCR类型
10002不支持的OCR image类型
10004识别图片过大
10201图片base64解密失败
10301OCR段落识别失败
10411访问频率受限
10412超过最大识别流量
13001不支持的角度类型
13002不支持的文件类型
13003表格识别图片过大
13004文件为空
13301表格识别失败
17001需要图片
17002图片过大(1M)
17003识别类型未找到
17004不支持的识别类型
17005服务调用失败
-1000未知错误
-2000查询输入为空

常见问题及注意事项

  1. 运行程序崩溃?

    检查下是否对应的 `SDK静态库包` 是否放到当前工程目录下。
    
  2. 识别没结果?

    检查下识别接口回调的错误信息,保证申请的应用ID是有效且提前绑定了。
    
  3. 如何获得应用ID

    注册账号,登录后台创建应用和实例并完成绑定, 可获得应用ID和应用密钥等信息。
    

版本更新记录

上线日期版本号更新内容
2019.03.25v1.0.0有道智云 表格识别 iOS SDK上线