最新舆情信息网,网站优化与seo的区别,静安区网站建设,辽宁省建设工程招投标协会网站数学公式OCR识别php 对接mathpix api 一、注册账号官网网址#xff1a;https://mathpix.com 二、该产品支持多端使用注意说明#xff08;每月10次#xff09; 三、api 对接第一步创建create keyphp对接api这里先封装两个请求函数#xff0c;get 和post #xff0c;通过官方… 数学公式OCR识别php 对接mathpix api 一、注册账号官网网址https://mathpix.com 二、该产品支持多端使用注意说明每月10次 三、api 对接第一步创建create keyphp对接api这里先封装两个请求函数get 和post 通过官方文档我们可以知道有的api 需要用get 有的需要post . 下面我们开始发送请求的封装的一些函数对接图片识别的api对接PDF 识别的api第一步 发送请求第二步骤获取处理的格式以及处理状态第三步骤获取处理的结果第四步骤拿到自己想要的结果进行文件写入。 四。其他相关 项目开发中使用公式编译器也参与开发过公式编译器国内的巨头金山腾讯这个网页版的编辑器公式这一块就比较糟糕满足不了试题公式的情况后来自己开发的网页版公式编译器现在对接了ocr 公式识别国内的ocr 也是很糟糕。只能说针对数学公式这一块比较差车辆车牌识别身份证这种就比较简单做的比较好。 一、注册账号
官网网址https://mathpix.com
如下图所示
二、该产品支持多端使用
移动端电脑PC端
注意说明每月10次
下载注册登录既可以使用客户端新用户账号每月可免费使用10次图片转识别或者pdf识别次数每月清零。 有其他途径下载的需要支付1美元的可以每个月使用50~1000次这个我没有用过看别人说的1美元应该是激活使用看了都是19年早起其他博主发的帖子。这个能找到最好。
三、api 对接
我们由于是工具类所以我们自己开发的对接的需要使用api 接口服务对接。下面就简单说明一下api 对接把,登录账号进入个人中心如右侧栏目
第一步创建create key
。点击选择API 上图红线标注的地方进入即到如下图界面说明创建Key 需要绑定一张信用卡。信用卡的用途是用户激活账号和每月用量的一个账单统计计费直接通过该卡直接扣款。这个也是比较方便的不向有的平台直接会员或者按年套餐用量付费这个大家都比较好接受。绑定卡以后会有一个扣款激活我这里直接扣款是19.9$ 这个目前活动可以不限制类型的api 接口。后期可能会调整。这个19.9 $ 就是一个激活账号作用激活后会默认创建一个key 如下图当然你也可以创建多个key 根据不同的产品单独计费使用多个接口可以用一个key使用。
官网api 对接文档链接点击即可进入 官方啊的api 文档写的也是比较专业的类死与国内的api 比较分类多个人感觉基本差不多。 下一步就是我们来使用这个api 对接
php对接api
个人使用的是php 语言所以这里代码示例就用thinkphp5 演示了。官方gethub 和其他的博主用的都是python 示例。基本差不多。都一样把。语法不同规则不同而已。
这里先封装两个请求函数get 和post 通过官方文档我们可以知道有的api 需要用get 有的需要post .
封装的两个函数get 和post 代码如下。注意类面用到上面我们注册的app_id 和app_key。这个大家都知道这个就是用来确定身份呢的。对结果阿里腾讯百度都知道。 app_id 和app_key function api_request_curl($url, $postData array()) {if (empty($url)) return ;$postData json_encode($postData);$curl curl_init(); //初始化curl_setopt($curl,CURLOPT_URL,$url); //设置urlcurl_setopt($curl,CURLOPT_HTTPAUTH,CURLAUTH_BASIC); //设置http验证方法curl_setopt($curl, CURLOPT_TIMEOUT,30);curl_setopt($curl,CURLOPT_RETURNTRANSFER,1); //设置curl_exec获取的信息的返回方式curl_setopt($curl,CURLOPT_POST,1); //设置发送方式为post请求curl_setopt($curl,CURLOPT_POSTFIELDS,$postData); //设置post的数据curl_setopt($curl, CURLOPT_HTTPHEADER, array(app_id:**********,app_key:**********,Content-Type: application/json,Content-Length: . strlen($postData)));$result curl_exec($curl);if($result false){throw new Exception(Http request message :.curl_error($curl));}$result json_decode($result,true);return $result;}/*** get请求* param $url* param string $msg* return mixed*/public function api_request_get($url){if (empty($url)) return ;$curl curl_init(); //初始化curl_setopt($curl,CURLOPT_URL,$url); //设置urlcurl_setopt($curl,CURLOPT_HTTPAUTH,CURLAUTH_BASIC); //设置http验证方法curl_setopt($curl, CURLOPT_TIMEOUT,30);curl_setopt($curl,CURLOPT_RETURNTRANSFER,1); //设置curl_exec获取的信息的返回方式curl_setopt($curl, CURLOPT_HTTPHEADER, array(app_id:********,app_key:**********));$result curl_exec($curl);if($result false){throw new Exception(Http request message :.curl_error($curl));}curl_close($curl);return $result;}下面我们开始发送请求的封装的一些函数
下面是我们用到的api 接口根据自己的使用场景来选择api 接口即可。 https://api.mathpix.com/v3/app-tokens //token 使用 https://api.mathpix.com/v3/text https://api.mathpix.com/v3/latex https://api.mathpix.com/v3/pdf 对接图片识别的api
这里简单说明一下蹄片识别的情况图片可以直接用图片地址必须全路径作为参数来使用。也可以用过file 文件上传来使用我这里是直接把本都图片上传到服务器拿到全路径进行一个post请求,请求结果和参数都在下面函数包含大家可以看看返回的格式图片识别一般都是快速响应的一般都会请求后直接返回一个结果如下代码块的内容。 * ocr pdf 识别转docx 处理* param $pdfurl* return \think\response\Json*/public function mathpixphoto($photo_pathhttps://mathpix-ocr-examples.s3.amazonaws.com/cases_hw.jpg){//https://api.mathpix.com/v3/app-tokens//https://api.mathpix.com/v3/text//https://api.mathpix.com/v3/latex//https://api.mathpix.com/v3/pdf//图形转文本实例1$url https://api.mathpix.com/v3/text;$data[src] https://mathpix-ocr-examples.s3.amazonaws.com/cases_hw.jpg;$data[math_inline_delimiters] [$, $];$data[rm_spaces] true;回调参数如下{request_id:2024_01_12_52927e584385e276cc6cg,version:RSK-M122p1,image_width:850,image_height:332,is_printed:false,is_handwritten:true,auto_rotate_confidence:1.1920927533992653e-7,auto_rotate_degrees:0,confidence:0.9990236759185791,confidence_rate:0.9990236759185791,latex_styled:f(x)\\left\\{\\begin{array}{ll}\nx^{2} \\text { if } x0 \\\\\n2 x \\text { if } x \\geq 0\n\\end{array}\\right.,text:$f(x)\\left\\{\\begin{array}{ll}x^{2} \\text { if } x0 \\\\ 2 x \\text { if } x \\geq 0\\end{array}\\right.$}图形转文本实例$url https://api.mathpix.com/v3/text;$data[src] $path;$data[formats] [text, data, html];$data[data_options][include_asciimathtrue,include_latextrue];回调参数如下(需要转义json) json 解析直接报错需要转义{confidence: 0.9982182085336344,confidence_rate: 0.9982182085336344,is_printed: false,is_handwritten: true,data: [{type: asciimath,value: lim_(x rarr3)((x^(2)9)/(x-3))},{type: latex,value: \\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}9}{x-3}\\right)}],html: divspan class\math-inline \ \nasciimath style\display: none;\lim_(x rarr3)((x^(2)9)/(x-3))/asciimathlatex style\display: none\\\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}9}{x-3}\\right)/latex/span/div\n,text: \\( \\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}9}{x-3}\\right) \\)}$res $this-api_request_curl($url,$data);return $res;}
对接PDF 识别的api
这里主要和大家说一下pdf 的识别pdf 我的操作流程是上传pdf 到服务器或者是oss阿里 obs腾讯、七牛云等一些第三方存储。这样我们拿到一个文件地址全路径然后直接发送请求。 pdf 对接官方文档提供了4个步骤分几个步骤也可以理解毕竟系统识别处理文件也有一个过程这个就是智者见智。
第一步 发送请求
把自己想要ocr 识别的pdf 文件发送给mathpix 告诉对方我要ocr 识别这个文件的内容请求后会给返回一个pdf_id 或者错误提示这里我们需要将pdf_id 进行存储方便处理后面的逻辑。 pdf_id 第二步骤获取处理的格式以及处理状态
获取转化的状态 “status”:“completed”, 代表完成 第三步骤获取处理的结果
获取自己第一步需要转化的内容比如我把pdf 文件需要ocr 识别后转化为docx 或者html 或者zip “status”:“completed”,代表完成 第四步骤拿到自己想要的结果进行文件写入。
pdf 转化后的内容写入自己的文件比如我们需要把数学试卷的pdf 通过ocr api 识别成html 网页格式和docx 格式一个用于网页展示一个用于本地文件下载。识别的公式都是可编辑的公式。 *注意 这里的返回结果都是已经转化后的内容直接写入就行了。比如html 格式就是html 内容直接写入即可。docx 格式就是docx 内容直接写入文件就行。小插曲之前自己搞个phpword 创建写入一直失败后来写入text 文本发现就是word的源文件格式真笑了。
这里我在函数写了一个sleep_pdf_status 意思就是延迟循环查看处理状态可以省掉低二步骤第三步骤 大家也知道php 的请求延迟最长不超过60s 所以我们通过延迟循环来判断结果这样可以直接写入文件。 sleep_pdf_status pdf 处理也会返回一个pdf_id 我们可以将该参数进行存储比如第一次延迟循环返回失败后在次通过pdf_id获取结果我测试的基本上一个循环都能成功也有不成功的不成功的我们直接重新发起获取结果的函数自己写的就可以了 reissue_pdf_math 这个函数 reissue_pdf_math file_put_contents php写入就用该函数就行下面代码块有 /*** ocr pdf 识别转docx 处理* param $pdfurl* return \think\response\Json*/public function mathpixpdf($pdfurl){//PDF ocr 识别 第一步 上传$url https://api.mathpix.com/v3/pdf;$data[url] .$pdfurl.;//https://deyouw.oss-cn-beijing.aliyuncs.com/document/20240115/user_125/57522.pdf;$data[conversion_formats][htmltrue,docxtrue,tex.ziptrue]; $res $this-api_request_curl($url,$data);$pdf_id $res[pdf_id];$res $this-sleep_pdf_status($pdf_id);return $res;// var_dump($res);// exit;//返回一个pdifid 需要自己记录一下案例如下// {pdf_id:2024_01_12_9536370a2434175d0c6dg}//PDF ocr 识别 第二部获取转化状态// $url https://api.mathpix.com/v3/pdf/2024_01_15_2cf99221f2144139723fg;// $res $this-api_request_get($url);// var_dump($res);//返回参数处理中// {// status: split,// num_pages: 9,// percent_done: 11.11111111111111,// num_pages_completed: 1// }//返回参数完成// {// status:completed,// version:RSK-P107,// input_file:https://deyouw.oss-cn-beijing.aliyuncs.com/document/20240112/user_125/83323.pdf,// num_pages:2,// num_pages_pdf:2,// num_pages_completed:2,// percent_done:100// }//PDF ocr 识别 第三部获取转化需要的内容// $url https://api.mathpix.com/v3/converter/2024_01_12_9536370a2434175d0c6dg;// $res $this-api_request_get($url);// 返回相应参数完成// {// status:completed,// version:RSK-P107,// conversion_status:{// tex.zip:{// status:completed// },// docx:{// status:completed// }// }// }// 第四部 -下载所需要的的格式内容html // $url https://api.mathpix.com/v3/converter/2024_01_15_e8b33807c27cb8bf847ag.html;// $text $this-api_request_get($url); // $filename ocr/docx/.time()..html; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) ! false) {// return $filename;// echo 成功将内容写入到html文件中;// } else {// return 202;// echo 无法将内容写入到html文件中。;// }// echo https://deyouw.com/example.html;// exit;// 第四部 -下载所需要的的格式内容 docx // $time time().getmyuid();// $url https://api.mathpix.com/v3/converter/.$pdf_id..html;// $text $this-api_request_get($url); // $filename ocr/html/.$time..html; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) ! false) {// $data[html] $filename;// echo 成功将内容写入到html文件中;// } else {// return 202;// echo 无法将内容写入到html文件中。;// }// sleep(3);// $url https://api.mathpix.com/v3/converter/.$pdf_id..docx;// $text $this-api_request_get($url); // $filename ocr/html/.$time..docx; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) ! false) {// $data[doc] $filename;// echo 成功将内容写入到docx文件中;// } else {// return 202;// echo 无法将内容写入到docx文件中。;// }// return $data;// $this-create_word(file_get_contents($filename));// $this-create_word($text);// 返回相应参数完成// {// status:completed,// version:RSK-P107,// conversion_status:{// tex.zip:{// status:completed// },// docx:{// status:completed// }// }// }// $data[formats] [text, html]; //text, html latex// $data[data_options][include_asciimathtrue,include_latextrue];//BASE64 格式// $data[app_id] config(mathpix)[app_id];// $data[app_key] config(mathpix)[app_key];// $res $this-api_request_curl($url,$data);//r.json()[text]// return $res;}//客户端重新获取public function reissue_pdf_math($pdf_id){return $res $this-sleep_pdf_status($pdf_id);}//获取内容public function pdf_ocr($pdf_id){$url https://api.mathpix.com/v3/converter/.$pdf_id;$res $this-api_request_get($url);$res json_decode($res,true);return $res;}/***获取转化的状态返回参数*PDF ocr 识别 第三部获取转化需要的内容*/public function sleep_pdf_status($pdf_id){$status 0;//循环查找最多响应30秒结束for ($i0; $i 10; $i) { $res $this-pdf_ocr($pdf_id);if($res NULL || $res null || empty($res)){$status 2;}if(array_key_exists(error, $res)){ $status 2;}if(array_key_exists(status, $res) $res[status] completed){ //完成状态$status 1;continue;}sleep(3); //秒执行}if($status1){$url https://api.mathpix.com/v3/converter/.$pdf_id..html;$text $this-api_request_get($url); if(empty($text)){$res [status203,pdf_id$pdf_id,msg相应超时失败请下次重新请求];return $res;}$filename ocr/html/.time().rand(1111,9999)..html; // html文件名// 将内容写入到txt文件中if (file_put_contents($filename, $text) ! false) {$data[html] $filename;// echo 成功将内容写入到html文件中;} else {$data[html] html转化成功、写入失败;// return 202;// echo 无法将内容写入到html文件中。;}$url https://api.mathpix.com/v3/converter/.$pdf_id..docx;$text2 $this-api_request_get($url);if(empty($text2)){$res [status203,pdf_id$pdf_id,msg相应超时失败请下次重新请求];return $res;}$filename ocr/html/.time().rand(1111,9999)..docx; // docx文件名// 将内容写入到txt文件中if (file_put_contents($filename, $text2) ! false) {$data[docx] $filename; // echo 成功将内容写入到docx文件中;} else {$data[docx] docx转化成功、写入失败; // return 202;// echo 无法将内容写入到docx文件中。;}$data[pdf_id]$pdf_id;$data[status] 200;return $data;}else{$res [status203,pdf_id$pdf_id,msg相应超时失败请下次重新请求];return $res;}}四。其他相关
###下面是其他博主的发表的关于mathpix 客户端工具使用csdn 这个论坛国内比较好里面的大哥确实挺多的感谢他们的分享 mathpix安装和使用详细教程 使用Mathpix识别和转换富含公式的PDF为Markdown
后面会整合一下markdown 编辑器来实现ocr 识别后编辑和预览。有兴趣的伙伴可以试着搞个demo Editor.md 这次就这些内容不论学习或者工作中遇到问题想办法解决都可以发帖互相学习互相进步。
