腾讯云通用文字识别（高精度版）(GeneralAccurateOCR)

用途

调用腾讯云OCR通用文字识别（高精度版）接口，对图片中的文字进行精准提取。

核心能力：

• 文字识别：高精度识别图片中的文字内容，返回完整识别文本
• PDF支持：支持对PDF文件进行文字识别（单页）
• 单字信息：可选返回每个单字的位置和置信度信息
• 多语种简历结构化识别：基于 OCR 结果，对简历进行结构化提取与格式化输出（详见 references/resume-parsing.md）

官方文档：https://cloud.tencent.com/document/api/866/37831

📚 可用资源

References（场景化指引）

• references/resume-parsing.md - 多语种简历结构化识别指引（处理流程、Prompt模板、输出格式化模板、格式化规则）

使用时机

当用户提出以下需求时触发此技能：

• 需要从图片或PDF中提取文字内容
• 需要对各类文档、图片等进行文字识别
• 涉及通用文字OCR识别的任何场景
• 需要从简历图片/PDF中识别并结构化提取简历信息（请参考 references/resume-parsing.md 指引）
• 需要对多语种简历进行识别和格式化输出（请参考 references/resume-parsing.md 指引）

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 脚本完成文字识别。

请求参数

⚠️ UserAgent参数使用指南

--user-agent参数是可选参数，统一固定为Skills，无需手动传递。用于标识API调用来源，便于追踪和统计：

实现说明：

• 通过--user-agent命令行参数传递，SDK 会将其拼接为 SDK_PYTHON_x.x.x; Skills 注入到请求中
• 统一固定为Skills，未传递时也默认为此值
• 该标识会记录在ES日志的 ReqBody.RequestClient 字段中，可用于追踪来源

输出格式

识别成功后返回 JSON 格式结果：

{
  "raw_text": "识别到的完整文字内容\n第二行文字\n第三行文字",
  "RequestId": "xxx"
}

无文字时返回：

{
  "raw_text": "",
  "message": "No text detected in the image.",
  "RequestId": "xxx"
}

调用示例

# 基础调用示例（--user-agent 默认为 Skills，可不传）
python scripts/main.py --image-url "https://example.com/document.jpg"

# 使用 Base64 文件调用
python scripts/main.py --image-base64 "/path/to/document.jpg"

# 识别 PDF 文件中的文字
python scripts/main.py --image-url "https://example.com/doc.pdf" \
  --is-pdf true --pdf-page-number 1

# 返回单字信息
python scripts/main.py --image-url "https://example.com/document.jpg" --is-words true

密钥配置

Step 1: 获取/购买 OCR 服务

🔗 腾讯云文字识别 OCR 购买页

在购买页面中选择 通用文字识别（高精度版） 完成购买。

Step 2: 获取 API 密钥

🔗 腾讯云 API 密钥管理

Step 3: 设置环境变量

Linux / macOS：

export TENCENTCLOUD_SECRET_ID="你的SecretId"
export TENCENTCLOUD_SECRET_KEY="你的SecretKey"

Windows (PowerShell)：

$env:TENCENTCLOUD_SECRET_ID = "你的SecretId"
$env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey"