Se usó la API de Cloud Translation para traducir esta página.

Detecta texto en archivos

El servicio de reconocimiento óptico de caracteres (OCR) de Vertex AI en Google Distributed Cloud (GDC) aislado detecta texto en archivos PDF y TIFF con los siguientes dos métodos de la API:

BatchAnnotateFiles: Detecta texto con solicitudes intercaladas.
AsyncBatchAnnotateFiles: Detecta texto con solicitudes sin conexión (asíncronas).

En esta página, se muestra cómo detectar texto en archivos con la API de OCR en Distributed Cloud.

Antes de comenzar

Antes de comenzar a usar la API de OCR, debes tener un proyecto con la API de OCR habilitada y las credenciales adecuadas. También puedes instalar bibliotecas cliente para ayudarte a realizar llamadas a la API. Para obtener más información, consulta Configura un proyecto de reconocimiento de caracteres.

Detecta texto con solicitudes intercaladas

El método BatchAnnotateFiles detecta texto en un lote de archivos PDF o TIFF. Envías directamente el archivo del que deseas detectar texto como contenido en la solicitud de la API. El sistema devuelve el texto detectado resultante en formato JSON en la respuesta de la API.

Debes especificar valores para los campos del cuerpo JSON de tu solicitud a la API. En la siguiente tabla, se incluye una descripción de los campos del cuerpo de la solicitud que debes proporcionar cuando usas el método de la API de BatchAnnotateFiles para tus solicitudes de detección de texto:

Campos del cuerpo de la solicitud	Descripción del campo
`content`	Son los archivos con texto que se detectará. Proporcionas la representación en Base64 (cadena ASCII) del contenido de tu archivo binario. Nota: Solo puedes procesar archivos que se almacenan de forma local en tu entorno de Distributed Cloud.
`mime_type`	Es el tipo de archivo fuente. Debes establecerlo en uno de los siguientes valores: `application/pdf` para archivos PDF `image/tiff` para archivos TIFF
`type`	Es el tipo de detección de texto que necesitas del archivo. Especifica una de las dos funciones de anotación: `TEXT_DETECTION` detecta y extrae el texto de cualquier archivo. La respuesta JSON incluye la cadena extraída, las palabras individuales y sus cuadros de límite. `DOCUMENT_TEXT_DETECTION` también extrae texto de un archivo, pero el servicio optimiza la respuesta para textos y documentos densos. El archivo JSON incluye información de la página, el bloque, el párrafo, la palabra y la división. Para obtener más información sobre estas funciones de anotación, consulta Funciones de reconocimiento óptico de caracteres.
`language_hints`	Opcional. Lista de idiomas que se usarán para la detección de texto. El sistema interpreta un valor vacío para este campo como detección automática del idioma. No es necesario que configures el campo `language_hints` para los idiomas basados en el alfabeto latino. Si conoces el idioma del texto en el archivo, establecer una sugerencia mejora los resultados. ¿Cómo funcionan las sugerencias de idioma? El formato `language_hints` usa los siguientes lineamientos de formato de etiquetas de idioma `BCP 47`: `language` ["-" `script`] ["-" `region`] ("-" `variant`) ("-" `extension`) ["-" `privateuse`]. Por ejemplo, la sugerencia de idioma "`en`-`t`-`i0`-`handwrit`" especifica el idioma inglés (`en`), el singleton de la extensión de transformación (`t`), el código de la extensión de transformación del motor del método de entrada (`i0`) y el código de transformación de escritura a mano (`handwrit`). Esto indica, aproximadamente, que el idioma es "inglés transformado a partir de escritura a mano". No es necesario especificar un código de secuencia de comandos porque el idioma "`en`" implica `Latn`. Para obtener una lista de los idiomas admitidos, consulta Idiomas admitidos.
`pages`	Opcional. Es la cantidad de páginas del archivo que se procesarán para la detección de texto. La cantidad máxima de páginas que puedes especificar es cinco. Si no especificas la cantidad de páginas, el servicio procesará las primeras cinco páginas del archivo.

Para obtener información sobre la representación completa en JSON, consulta AnnotateFileRequest.

Cómo realizar una solicitud a la API intercalada

Realiza una solicitud a la API previamente entrenada de OCR con el método de la API de REST. De lo contrario, interactúa con la API previamente entrenada de OCR desde una secuencia de comandos de Python para detectar texto en archivos PDF o TIFF.

En los siguientes ejemplos, se muestra cómo detectar texto en un archivo con OCR:

REST

Sigue estos pasos para detectar texto en archivos con el método de la API de REST:

Guarda el siguiente archivo request.json para el cuerpo de tu solicitud:
```
cat <<- EOF > request.json
{
  "requests": [
    {
      "input_config": {
        "content": BASE64_ENCODED_FILE,
        "mime_type": "application/pdf"
      },
      "features": [
        {
          "type": "FEATURE_TYPE"
        }
      ],
      "image_context": {
        "language_hints": [
          "LANGUAGE_HINT_1",
          "LANGUAGE_HINT_2",
          ...
        ]
      },
      "pages": []
    }
  ]
}
EOF
```
Reemplaza lo siguiente:
- BASE64_ENCODED_FILE: Es la representación en Base64 (cadena ASCII) del contenido de tu archivo binario. Esta cadena comienza con caracteres que se parecen a /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
- FEATURE_TYPE: Es el tipo de detección de texto que necesitas del archivo. Los valores permitidos son TEXT_DETECTION o DOCUMENT_TEXT_DETECTION.
- LANGUAGE_HINT: Son las etiquetas de idioma BCP 47 que se usarán como sugerencias de idioma para la detección de texto, como en-t-i0-handwrit. Este campo es opcional y el sistema interpreta un valor vacío como detección automática del idioma.
Obtén un token de autenticación.

Realiza la solicitud:

curl

curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "x-goog-user-project: projects/PROJECT_ID" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  https://ENDPOINT/v1/files:annotate

Reemplaza lo siguiente:

TOKEN: El token de autenticación que obtuviste
PROJECT_ID: el ID de tu proyecto
ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.

PowerShell

$headers = @{
  "Authorization" = "Bearer TOKEN"
  "x-goog-user-project" = "projects/PROJECT_ID"
}

Invoke-WebRequest
  -Method POST
  -Headers $headers
  -ContentType: "application/json; charset=utf-8"
  -InFile request.json
  -Uri "ENDPOINT/v1/files:annotate" | Select-Object -Expand Content

Reemplaza lo siguiente:

TOKEN: El token de autenticación que obtuviste
ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.

Python

Sigue estos pasos para usar el servicio de OCR desde una secuencia de comandos de Python y detectar texto en un archivo:

Instala la versión más reciente de la biblioteca cliente de OCR.
Configura las variables de entorno necesarias en una secuencia de comandos de Python.
Autentica tu solicitud a la API.

Agrega el siguiente código a la secuencia de comandos de Python que creaste:

from google.cloud import vision
import google.auth
from google.auth.transport import requests
from google.api_core.client_options import ClientOptions

audience = "https://ENDPOINT:443"
api_endpoint="ENDPOINT:443"

def vision_client(creds):
  opts = ClientOptions(api_endpoint=api_endpoint)
  return vision.ImageAnnotatorClient(credentials=creds, client_options=opts)

def main():
  creds = None
  try:
    creds, project_id = google.auth.default()
    creds = creds.with_gdch_audience(audience)
    req = requests.Request()
    creds.refresh(req)
    print("Got token: ")
    print(creds.token)
  except Exception as e:
    print("Caught exception" + str(e))
    raise e
  return creds

def vision_func(creds):
  vc = vision_client(creds)
  input_config = {"content": "BASE64_ENCODED_FILE"}
  features = [{"type_": vision.Feature.Type.FEATURE_TYPE}]
  # Each requests element corresponds to a single file. To annotate more
  # files, create a request element for each file and add it to
  # the array of requests
  req = {"input_config": input_config, "features": features}

  metadata = [("x-goog-user-project", "projects/PROJECT_ID")]

  resp = vc.annotate_file(req,metadata=metadata)

  print(resp)

if __name__=="__main__":
  creds = main()
  vision_func(creds)

Reemplaza lo siguiente:

ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.
BASE64_ENCODED_FILE: Es la representación en Base64 (cadena ASCII) del contenido del archivo. Esta cadena comienza con caracteres que se parecen a /9j/4QAYRXhpZgAA...9tAVx/zDQDlGxn//2Q==.
FEATURE_TYPE: Es el tipo de detección de texto que necesitas del archivo. Los valores permitidos son TEXT_DETECTION o DOCUMENT_TEXT_DETECTION.
PROJECT_ID: el ID de tu proyecto

Guarda la secuencia de comandos de Python.
Ejecuta la secuencia de comandos de Python para detectar texto en el archivo:
```
python SCRIPT_NAME
```
Reemplaza SCRIPT_NAME por el nombre que le diste a tu secuencia de comandos de Python, como vision.py.

Detecta texto con solicitudes sin conexión

El método AsyncBatchAnnotateFiles detecta texto en un lote de archivos PDF o TIFF realizando una solicitud sin conexión (asíncrona). Los archivos pueden contener varias páginas y varias imágenes por página. Los archivos fuente deben estar en un bucket de almacenamiento de tu proyecto de Distributed Cloud. El sistema guarda el texto detectado resultante en formato JSON en un bucket de almacenamiento.

El servicio de OCR inicia el procesamiento sin conexión y devuelve el ID del proceso de larga duración que realiza la detección de texto en el archivo. Puedes usar el ID que se devolvió para hacer un seguimiento del estado del procesamiento sin conexión. Si hay demasiadas operaciones en curso, es posible que el procesamiento sin conexión no comience de inmediato.

Debes especificar valores para los campos del cuerpo JSON de tu solicitud a la API. En la siguiente tabla, se incluye una descripción de los campos del cuerpo de la solicitud que debes proporcionar cuando usas el método de la API de AsyncBatchAnnotateFiles para tus solicitudes de detección de texto:

Campos del cuerpo de la solicitud	Descripción del campo
`s3_source.uri`	Es la ruta de acceso URI a un archivo fuente válido (PDF o TIFF) en un bucket de almacenamiento de tu proyecto de Distributed Cloud. Este archivo contiene el texto que deseas detectar. El usuario o la cuenta de servicio que realiza la solicitud debe tener, como mínimo, privilegios de lectura en el archivo.
`mime_type`	Es el tipo de archivo fuente. Debes establecerlo en uno de los siguientes valores: `application/pdf` para archivos PDF `image/tiff` para archivos TIFF
`type`	Es el tipo de detección de texto que necesitas del archivo. Especifica una de las dos funciones de anotación: `TEXT_DETECTION` detecta y extrae el texto de cualquier archivo. La respuesta JSON incluye la cadena extraída, las palabras individuales y sus cuadros de límite. `DOCUMENT_TEXT_DETECTION` también extrae texto de un archivo, pero el servicio optimiza la respuesta para textos y documentos densos. El archivo JSON incluye información de la página, el bloque, el párrafo, la palabra y la división. Para obtener más información sobre estas funciones de anotación, consulta Funciones de reconocimiento óptico de caracteres.
`s3_destination.uri`	Es la ruta de URI a un bucket de almacenamiento de tu proyecto de Distributed Cloud para guardar los archivos de salida. Esta ubicación es donde deseas almacenar los resultados de la detección. El usuario o la cuenta de servicio que realiza la solicitud debe tener permiso de escritura en el bucket.

Almacena el archivo fuente en un bucket de almacenamiento

Antes de enviar una solicitud, debes asegurarte de que la cuenta de servicio de OCR tenga permisos de lectura para tu bucket de entrada y permisos de escritura para tu bucket de salida.

Los buckets de entrada y salida pueden ser diferentes y estar en diferentes espacios de nombres de proyectos. Te recomendamos que uses los mismos buckets de entrada y salida para evitar errores, como almacenar los resultados en buckets incorrectos.

Sigue estos pasos para almacenar en un bucket de almacenamiento el archivo del que deseas detectar texto:

Configura la CLI de gcloud para el almacenamiento de objetos.

Crea un bucket de almacenamiento en el espacio de nombres de tu proyecto. Usa una clase de almacenamiento Standard.

Puedes crear el bucket de almacenamiento implementando un recurso Bucket en el espacio de nombres del proyecto:

apiVersion: object.gdc.goog/v1
kind: Bucket
metadata:
  name: ocr-async-bucket
  namespace: PROJECT_NAMESPACE
spec:
  description: bucket for async ocr
  storageClass: Standard
  bucketPolicy:
    lockingPolicy:
      defaultObjectRetentionDays: 90

Otorga permisos read y write en el bucket a la cuenta de servicio (g-vai-ocr-sie-sa) que usa el servicio de OCR.

Puedes seguir estos pasos para crear el rol y la vinculación del rol con recursos personalizados:

Para crear el rol, implementa un recurso Role en el espacio de nombres del proyecto:

  apiVersion: rbac.authorization.k8s.io/v1
  kind: Role
  metadata:
    name: ocr-async-reader-writer
    namespace: PROJECT_NAMESPACE
  rules:
    -
      apiGroups:
        - object.gdc.goog
      resources:
        - buckets
      verbs:
        - read-object
        - write-object

Implementa un recurso RoleBinding en el espacio de nombres del proyecto para crear la vinculación del rol:

  apiVersion: rbac.authorization.k8s.io/v1
  kind: RoleBinding

  metadata:
    name: ocr-async-reader-writer-rolebinding
    namespace: PROJECT_NAMESPACE
  roleRef:
    apiGroup: rbac.authorization.k8s.io
    kind: Role
    name: ocr-async-reader-writer
  subjects:
    -
      kind: ServiceAccount
      name: g-vai-ocr-sie-sa
      namespace: g-vai-ocr-sie

Sube el archivo al bucket de almacenamiento que creaste. Para obtener más información, consulta Cómo subir y descargar objetos de almacenamiento en proyectos.

Realiza una solicitud a la API sin conexión

En los siguientes ejemplos, se muestra cómo detectar texto en un archivo con OCR:

REST

Sigue estos pasos para detectar texto en archivos con el método de la API de REST:

Guarda el siguiente archivo request.json para el cuerpo de tu solicitud:

cat <<- EOF > request.json
{
  "parent": PROJECT_ID,
  "requests":[
    {
      "input_config": {
        "s3_source": {
          "uri": "SOURCE_FILE"
        },
        "mime_type": "application/pdf"
      },
      "features": [
        {
          "type": "FEATURE_TYPE"
        }
      ],
      "output_config": {
        "s3_destination": {
          "uri": "DESTINATION_BUCKET"
        }
      }
    }
  ]
}
EOF

Reemplaza lo siguiente:

PROJECT_ID: el ID de tu proyecto
SOURCE_FILE: Es la ruta de acceso al URI de un archivo fuente válido (PDF o TIFF) en un bucket de almacenamiento de tu proyecto de Distributed Cloud.
FEATURE_TYPE: Es el tipo de detección de texto que necesitas del archivo. Los valores permitidos son TEXT_DETECTION o DOCUMENT_TEXT_DETECTION.
DESTINATION_BUCKET: Es la ruta de acceso al URI de un bucket de almacenamiento de tu proyecto de Distributed Cloud en el que se guardarán los archivos de salida.

Obtén un token de autenticación.

Realiza la solicitud:

curl

curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "x-goog-user-project: projects/PROJECT_ID" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  https://ENDPOINT/v1/files:asyncBatchAnnotate

Reemplaza lo siguiente:

TOKEN: El token de autenticación que obtuviste
PROJECT_ID: el ID de tu proyecto
ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.

PowerShell

$headers = @{
  "Authorization" = "Bearer TOKEN"
  "x-goog-user-project" = "projects/PROJECT_ID"
}

Invoke-WebRequest
  -Method POST
  -Headers $headers
  -ContentType: "application/json; charset=utf-8"
  -InFile request.json
  -Uri "ENDPOINT/v1/files:asyncBatchAnnotate" | Select-Object -Expand Content

Reemplaza lo siguiente:

TOKEN: El token de autenticación que obtuviste
ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.

Python

Sigue estos pasos para usar el servicio de OCR desde una secuencia de comandos de Python y detectar texto en un archivo:

Instala la versión más reciente de la biblioteca cliente de OCR.
Configura las variables de entorno necesarias en una secuencia de comandos de Python.
Autentica tu solicitud a la API.

Agrega el siguiente código a la secuencia de comandos de Python que creaste:

from google.cloud import vision
import google.auth
from google.auth.transport import requests
from google.api_core.client_options import ClientOptions

audience = "https://ENDPOINT:443"
api_endpoint="ENDPOINT:443"

def vision_func_async(creds):
  vc = vision_client(creds)
  features = [{"type_": vision.Feature.Type.FEATURE_TYPE}]
  input_config = {"s3_source":{"uri":SOURCE_FILE},"mime_type": "application/pdf"}
  output_config = {"s3_destination": {"uri": DESTINATION_BUKET}}
  req = {"input_config": input_config, "output_config": output_config, "features":features}
  reqs = {"requests":[req],"parent":PROJECT_ID}

  metadata = [("x-goog-user-project", "projects/PROJECT_ID")]

  operation = vc.async_batch_annotate_files(request=reqs, metadata=metadata)
  lro = operation.operation
  resp = operation.result()

def main():
  creds = None
  try:
    creds, project_id = google.auth.default()
    creds = creds.with_gdch_audience(audience)
    req = requests.Request()
    creds.refresh(req)
    print("Got token: ")
    print(creds.token)
  except Exception as e:
    print("Caught exception" + str(e))
    raise e
  return creds

if __name__=="__main__":
  creds = main()
  vision_func_async(creds)

Reemplaza lo siguiente:

ENDPOINT: Es el extremo de OCR que usas para tu organización. Para obtener más información, consulta el estado y los extremos del servicio.
FEATURE_TYPE: Es el tipo de detección de texto que necesitas del archivo. Los valores permitidos son TEXT_DETECTION o DOCUMENT_TEXT_DETECTION.
SOURCE_FILE: Es la ruta de acceso al URI de un archivo fuente válido (PDF o TIFF) en un bucket de almacenamiento de tu proyecto de Distributed Cloud.
DESTINATION_BUCKET: Es la ruta de acceso al URI de un bucket de almacenamiento de tu proyecto de Distributed Cloud en el que se guardarán los archivos de salida.
PROJECT_ID: el ID de tu proyecto

Guarda la secuencia de comandos de Python.
Ejecuta la secuencia de comandos de Python para detectar texto en el archivo:
```
python SCRIPT_NAME
```
Reemplaza SCRIPT_NAME por el nombre que le diste a tu secuencia de comandos de Python, como vision.py.

Puedes usar el nombre de la operación que devolvió el método AsyncBatchAnnotateFiles para verificar el estado de la operación.

Obtén el estado de la operación

El método get devuelve el estado más reciente de una operación de larga duración, como la solicitud sin conexión para la detección de texto. Usa este método para verificar el estado de la operación, como en el siguiente ejemplo:

curl -X GET "http://ENDPOINT/v1/OPERATION_NAME"

Reemplaza OPERATION_NAME por el nombre de la operación que devolvió el método AsyncBatchAnnotateFiles cuando realizaste la solicitud sin conexión.

Mostrar lista de operaciones

El método list devuelve una lista de las operaciones que coinciden con un filtro especificado en la solicitud. El método puede devolver operaciones de un proyecto específico. Para llamar al método list, especifica el ID de tu proyecto y el endpoint de OCR, como en el siguiente ejemplo:

curl -X GET "http://ENDPOINT/v1/PROJECT_ID?page_size=10"

Detecta texto en archivos Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

Antes de comenzar

Detecta texto con solicitudes intercaladas

Cómo realizar una solicitud a la API intercalada

REST

curl

PowerShell

Python

Detecta texto con solicitudes sin conexión

Almacena el archivo fuente en un bucket de almacenamiento

Realiza una solicitud a la API sin conexión

REST

curl

PowerShell

Python

Obtén el estado de la operación

Mostrar lista de operaciones

Detecta texto en archivos