TencentCloud RecognizeTable OCR

腾讯云表格识别v3 (RecognizeTableAccurateOCR)

用途

调用腾讯云OCR表格识别v3接口，支持中英文图片/PDF内常规表格、无线表格、多表格的检测和识别，返回每个单元格的文字内容，支持旋转的表格图片识别，且支持将识别结果保存为Excel格式。

核心能力：

• 常规表格识别：支持有线表格的精准识别
• 无线表格识别：支持无边框表格的检测与识别
• 多表格识别：单张图片/PDF中包含多个表格时均可检测
• 嵌套表格识别：有线表格中包含无线表格的复杂场景
• 旋转表格识别：支持旋转角度的表格图片
• Excel导出：识别结果可直接导出为Excel文件（Base64编码）
• PDF支持：支持PDF文件的单页表格识别

官方文档：https://cloud.tencent.com/document/api/866/86721

使用时机

当用户提出以下需求时触发此技能：

• 需要从图片中提取表格内容
• 需要从PDF中识别表格数据
• 需要将图片/PDF中的表格转换为Excel文件
• 涉及表格OCR识别的任何场景
• 需要识别无线表格、嵌套表格等复杂表格

环境要求

• Python 3.6+
• 依赖：tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）
• 环境变量：
  • TENCENTCLOUD_SECRET_ID：腾讯云API密钥ID
  • TENCENTCLOUD_SECRET_KEY：腾讯云API密钥Key

使用方式

运行 scripts/main.py 脚本完成表格识别。

请求参数

输出格式

识别成功后返回 JSON 格式结果：

格式化输出模式（默认）：

{
  "表格数量": 1,
  "表格详情": [
    {
      "表格序号": 1,
      "表格类型": "有线表格",
      "单元格数量": 12,
      "单元格详情": [
        {
          "行范围": "0 - 1",
          "列范围": "0 - 1",
          "文本": "本报告期末",
          "置信度": 99.0,
          "单元格类型": "body"
        }
      ],
      "表格坐标": [
        {"X": 50, "Y": 100},
        {"X": 800, "Y": 100},
        {"X": 800, "Y": 600},
        {"X": 50, "Y": 600}
      ]
    }
  ],
  "Excel数据": "已返回(Base64编码)",
  "旋转角度": 0.0,
  "RequestId": "xxx"
}

原始输出模式（--raw）：

{
  "TableDetections": [
    {
      "Cells": [
        {
          "ColTl": 0,
          "RowTl": 0,
          "ColBr": 1,
          "RowBr": 1,
          "Text": "本报告期末",
          "Type": "body",
          "Confidence": 99.0,
          "Polygon": [{"X": 50, "Y": 100}, {"X": 200, "Y": 100}, {"X": 200, "Y": 150}, {"X": 50, "Y": 150}]
        }
      ],
      "Type": 1,
      "TableCoordPoint": [{"X": 50, "Y": 100}, {"X": 800, "Y": 100}, {"X": 800, "Y": 600}, {"X": 50, "Y": 600}]
    }
  ],
  "Data": "UEsDBBQACAgIAIFzWFY...",
  "PdfPageSize": 0,
  "Angle": 0.0,
  "RequestId": "xxx"
}

响应数据结构说明

TableInfo 结构：

TableCellInfo 结构：

错误码说明

重要业务逻辑

1. ImageBase64和ImageUrl必须提供其一，都提供时只使用ImageUrl
2. 图片/PDF编码后不超过10M，分辨率建议600800以上且长宽比小于3（短边分辨率>600，长边<=短边3）
3. 支持格式：PNG、JPG、JPEG、BMP、PDF
4. PdfPageNumber必须>=1，仅支持PDF单页识别，默认值为1
5. PDF转图有白名单机制，需白名单用户才支持
6. 若引擎返回ImageSizeTooLargeError，会映射为ImageSizeInvalidError
7. 支持将识别结果导出为Excel（Data字段为Base64编码的Excel数据）
8. 默认接口请求频率限制：2次/秒
9. 建议图片存储于腾讯云COS以获得更高的下载速度和稳定性

调用示例

# 通过URL识别表格
python scripts/main.py --image-url "https://example.com/table.jpg"

# 通过文件路径(自动Base64编码)识别
python scripts/main.py --image-base64 ./table.png

# 识别PDF中的表格(指定页码)
python scripts/main.py --image-base64 ./document.pdf --pdf-page-number 2

# 识别并保存Excel文件
python scripts/main.py --image-url "https://example.com/table.jpg" --save-excel ./result.xlsx

# 输出原始JSON响应
python scripts/main.py --image-url "https://example.com/table.jpg" --raw

# 指定地域
python scripts/main.py --image-url "https://example.com/table.jpg" --region ap-beijing```