Vision API 可以检测 Cloud Storage 中存储的 PDF 和 TIFF 文件中的任何 Vision API 特征。
必须使用 files:asyncBatchAnnotate
函数请求对 PDF 和 TIFF 执行特征检测;该函数将执行离线(异步)请求并通过 operations
资源提供其状态。
PDF/TIFF 请求的输出会写入在指定的 Cloud Storage 存储桶中创建的 JSON 文件。
限制
Vision API 可接受最多 2,000 页的 PDF/TIFF 文件。如果文件包含更多页面,则会返回错误。
身份验证
files:asyncBatchAnnotate
请求不支持 API 密钥。如需了解如何使用服务账号进行身份验证,请参阅使用服务账号。
用于进行身份验证的账号必须能够访问您为输出指定的 Cloud Storage 存储桶(roles/editor
、roles/storage.objectCreator
或权限更高的角色)。
您可以使用 API 密钥来查询该操作的状态;如需查看相关说明,请参阅使用 API 密钥。
特征检测请求
目前,PDF/TIFF 文档检测仅适用于存储在 Cloud Storage 存储分区中的文件。响应 JSON 文件同样会保存到 Cloud Storage 存储桶。
命令行
如需执行 PDF/TIFF 文档文本检测,请发出 POST 请求并提供相应的请求正文:
curl -X POST \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" \ https://vision.googleapis.com/v1/files:asyncBatchAnnotate -d "{ 'requests':[ { 'inputConfig': { 'gcsSource': { 'uri': 'gs://your-source-bucket-name/folder/multi-page-file.pdf' }, 'mimeType': 'application/pdf' }, 'features': [ { 'type': 'DOCUMENT_TEXT_DETECTION' } ], 'outputConfig': { 'gcsDestination': { 'uri': 'gs://your-bucket-name/folder/' }, 'batchSize': 1 } } ] }"
其中:
inputConfig
- 替换其他 Vision API 请求中所用的image
字段。它包含两个子字段:gcsSource.uri
- PDF 或 TIFF 文件的 Cloud Storage URI(可供发出请求的用户或服务账号访问)。mimeType
- 接受的文件类型之一:application/pdf
或image/tiff
。
outputConfig
- 指定输出详细信息。它包含两个子字段:gcsDestination.uri
- 有效的 Cloud Storage URI。该存储分区必须可供发出请求的用户或服务账号写入。文件名为output-x-to-y
,其中x
和y
表示包含在该输出文件中的 PDF/TIFF 页码。如果该文件已存在,其内容将被覆盖。batchSize
- 指定每个输出 JSON 文件中应包含多少页输出。
响应:
如果 asyncBatchAnnotate
请求成功,返回的响应中将包含单个名称字段:
{ "name": "projects/usable-auth-library/operations/1efec2285bd442df" }
此名称表示具有一个关联 ID(例如 1efec2285bd442df
)的长时间运行的操作,您可以使用 v1.operations
API 对其进行查询。
如需检索您的 Vision 注释响应,请向 v1.operations
端点发送 GET 请求,同时在网址中传递操作 ID:
curl -X GET -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json" \ https://vision.googleapis.com/v1/operations/1efec2285bd442df
如果操作正在进行:
{ "name": "operations/1efec2285bd442df", "metadata": { "@type": "type.googleapis.com/google.cloud.vision.v1.OperationMetadata", "state": "RUNNING", "createTime": "2019-05-15T21:10:08.401917049Z", "updateTime": "2019-05-15T21:10:33.700763554Z" } }
操作完成后,state
会显示为 DONE
,并且您的结果会写入您指定的 Cloud Storage 文件中:
{ "name": "operations/1efec2285bd442df", "metadata": { "@type": "type.googleapis.com/google.cloud.vision.v1.OperationMetadata", "state": "DONE", "createTime": "2019-05-15T20:56:30.622473785Z", "updateTime": "2019-05-15T20:56:41.666379749Z" }, "done": true, "response": { "@type": "type.googleapis.com/google.cloud.vision.v1.AsyncBatchAnnotateFilesResponse", "responses": [ { "outputConfig": { "gcsDestination": { "uri": "gs://your-bucket-name/folder/" }, "batchSize": 1 } } ] } }
输出文件中的 JSON 类似于图片文档文本检测请求的 JSON;不过,前者多了一个 context
字段,用于显示指定的 PDF 或 TIFF 的位置以及相应文件中的页数:
output-1-to-1.json
Go
试用此示例之前,请按照《Vision 快速入门:使用客户端库》中的 Go 设置说明进行操作。 如需了解详情,请参阅 Vision Go API 参考文档。
如需向 Vision 进行身份验证,请设置应用默认凭据。 如需了解详情,请参阅为本地开发环境设置身份验证。
Java
试用此示例之前,请按照《Vision 快速入门:使用客户端库》中的 Java 设置说明进行操作。 如需了解详情,请参阅 Vision Java API 参考文档。
如需向 Vision 进行身份验证,请设置应用默认凭据。 如需了解详情,请参阅为本地开发环境设置身份验证。
Node.js
试用此示例之前,请按照《Vision 快速入门:使用客户端库》中的 Node.js 设置说明进行操作。 如需了解详情,请参阅 Vision Node.js API 参考文档。
如需向 Vision 进行身份验证,请设置应用默认凭据。 如需了解详情,请参阅为本地开发环境设置身份验证。
Python
试用此示例之前,请按照《Vision 快速入门:使用客户端库》中的 Python 设置说明进行操作。 如需了解详情,请参阅 Vision Python API 参考文档。
如需向 Vision 进行身份验证,请设置应用默认凭据。 如需了解详情,请参阅为本地开发环境设置身份验证。
gcloud
您使用的 gcloud
命令取决于文件类型。
如需执行 PDF 文本检测,请使用
gcloud ml vision detect-text-pdf
命令,如以下示例所示:gcloud ml vision detect-text-pdf gs://my_bucket/input_file gs://my_bucket/out_put_prefix
如需执行 TIFF 文本检测,请使用
gcloud ml vision detect-text-tiff
命令,如以下示例所示:gcloud ml vision detect-text-tiff gs://my_bucket/input_file gs://my_bucket/out_put_prefix
其他语言
C#: 请按照客户端库页面上的 C# 设置说明操作,然后访问 .NET 版 Vision 参考文档。
PHP: 请按照客户端库页面上的 PHP 设置说明操作,然后访问 PHP 版 Vision 参考文档。
Ruby 版: 请按照客户端库页面上的 Ruby 设置说明操作,然后访问 Ruby 版 Vision 参考文档。