【邀请函】TextIn文档解析合伙人限时招募中，参与内测赢好礼！

近期，为便捷智能文档处理流程，TextIn文档解析推出内测版本，支持内置参数，完成去水印与切边矫正处理，有效提升解析准确率与输出结果质量。

• 如何获得内测资格：

内测功能以白名单邀请制的形式进行小范围测试，如有需要，请进入内测报名链接或后台联系我们进行开通。

内测功能详情见下：

一. 内置参数，去除图片和PDF水印

实操场景下，部分带有明显水印的文件，会在解析过程中由于水印干扰产生错漏字现象。

TextIn ParseX将去水印功能内置到了产品中，帮助提升解析效果，减少文件另行去水印带来的时间消耗，同时也让代码编写更为便捷。

• 使用示例

步骤一：登录TextIn官网TextIn - API中心，获取app-id和secret-code。

步骤二：调用官方示例代码：

import requestsimport json​def get_file_content(filePath):    with open(filePath, 'rb') as fp:        return fp.read()​class TextinOcr(object):    def __init__(self, app_id, app_secret):        self._app_id = app_id        self._app_secret = app_secret        self.host = 'https://api.textin.com'​    def recognize_pdf2md(self, image, options):        """        pdf to markdown        :param options: request params        :param image: file bytes        :return: response​        options = {            'pdf_pwd': None,            'dpi': 144,  # 设置dpi为144            'page_start': 0,            'page_count': 1000,  # 设置解析的页数为1000页            'apply_document_tree': 0,            'markdown_details': 1,            'page_details': 0,  # 不包含页面细节信息            'table_flavor': 'md',            'get_image': 'none',            'parse_mode': 'scan',  # 解析模式设为scan        }        """        url = self.host + '/ai/service/v1/pdf_to_markdown'        headers = {            'x-ti-app-id': self._app_id,            'x-ti-secret-code': self._app_secret        }​        return requests.post(url, data=image, headers=headers, params=options)​if __name__ == "__main__":    # 请登录后前往 “工作台-账号设置-开发者信息” 查看 app-id/app-secret    textin = TextinOcr('#####c07db002663f3b085#####', '######1b1b11a9f9bcd7cc7b######')​    image = get_file_content('file/example.pdf')​    resp = textin.recognize_pdf2md(image, {        'page_start': 0,        'page_count': 1000,  # 设置解析页数为1000页        'table_flavor': 'md',        'parse_mode': 'scan',  # 设置解析模式为scan模式        'page_details': 0,  # 不包含页面细节        'markdown_details': 1,        'apply_document_tree': 1,        'dpi': 144  # 分辨率设置为144 dpi    })    print("request time: ", resp.elapsed.total_seconds())​    result = json.loads(resp.text)    with open('result.json', 'w', encoding='utf-8') as fw:        json.dump(result, fw, indent=4, ensure_ascii=False)​

步骤三：将下列去水印的参数集成到代码中，替换上述源代码中的48-62行。

resp = textin.recognize_pdf2md(image, {        'remove_watermark':1, # 去水印功能的控制参数        'get_image': 'objects'    })result = json.loads(resp.text)filepath = 'pdf2md_remove_watermark.md'with open(filepath, 'w', encoding='utf-8') as f:            f.write(result['result']['markdown'])

步骤四：运行最终替换好的代码并得到去水印后识别更精准的解析文件。

• 效果示例

可以看到，不仅解析结果中全文没有出现水印上的文字内容，还一并去除了图片上的水印，用户可以轻松提取到干净的文字及插图。

• 注意事项

1. 去水印参数支持图片、PDF、word文件。

2. 目前去水印的能力擅长解决倾斜文本，对于图片类、logo文字、横排文字的去除效果有待提升，还请理解。

二. 内置图片切边矫正参数，提升识别效果

内测版本还支持用户内置图片切边矫正能力，用于提升拍摄角度不正或歪曲变形的照片的识别效果。

• 常用场景

医疗报告单据、征信报告、作业照片等。

• 使用示例

步骤一：登录TextIn官网TextIn - API中心，获取app-id和secret-code。

步骤二：调用官方示例代码。

步骤三：将下列切边矫正增强功能的参数集成到代码中，一键替代源代码中的48-62列。

resp = textin.recognize_pdf2md(image, {        'crop_enhance':1, # 切边矫正增强功能的控制参数    })result = json.loads(resp.text)filepath = 'pdf2md_remove_watermark.md'with open(filepath, 'w', encoding='utf-8') as f:            f.write(result['result']['markdown'])

步骤四：运行最终替换好的代码并得到切边矫正后识别更精准的解析文件。

• 效果示例

无切边矫正的效果

切边矫正后的效果

可以看到，在矫正之后，表格的解析准确率有显著提高，同时，表格边框错误的问题也得到了优化。

• 注意事项

切边矫正的能力存在上限，并不能完美解决所有照片歪曲的问题，如有可能，建议尽量保证输入图片的质量。

有需求的用户请使用体验报名链接或后台联系我们，获得内测名额。