e32ad664f1
字段抽取 src/ocr_server/fields.py - 新增 row:只从第 N 行取值,行号由 bbox 纵向重叠的坐标分组得出,-1 表示不限定; 用于排除正文/页眉里同名标签造成的误取 - 新增 separator_optional(标签后无冒号也抽,默认关闭) 与 label_linebreak(标签内部跨行,如 姓 + 名:,默认关闭) - 新增 occurrence(first/last,正副本、页眉页脚重复打印时取最后一个) 与全局 extract_include_empty(未命中的字段返回空串,便于固定 schema) - 修复:跨行命中的标签文本包含换行,归一化时未去换行导致匹配不到字段规则、 取到的值被丢弃 - build_specs 在服务启动时校验:字段名重复、同一标签被多个字段共用、 正则语法、max_length / occurrence / row 取值合法性 日志 src/ocr_server/logging_setup.py - handler 改挂到 ocr_server logger 并关闭向 root 传播:Paddle 初始化会把 root 级别改成 WARNING,依赖 root 会导致其后所有 INFO 日志(含 10/20/50/80/100 进度行)被静默过滤,看起来像任务卡死 引擎配置 - enable_mkldnn 由写死的 False 改为可配置;cpu_threads 支持 max(吃满逻辑核心) - pyproject 固定 paddlepaddle>=3.2,<3.3:3.3.x 的 PIR + oneDNN 组合会直接推理失败 打包 - 移除多余的 scripts 目录打包;新增 -DistPath 便于 dist 被占用时改址构建; 构建结束输出 exe SHA256(避免再拿到旧产物) - Ubuntu 脚本同步更新,并输出二进制 SHA256 文档 - README / config.yaml 注释按实测修订:行结构、模型档位对比、oneDNN 与版本差异、 汉字字符类的范围与缺口、防止取错的机制与建议 Co-Authored-By: Claude Code <noreply@anthropic.com>
38 lines
789 B
HTTP
38 lines
789 B
HTTP
@host = http://127.0.0.1:8000
|
||
|
||
### 健康检查
|
||
GET {{host}}/healthz
|
||
|
||
### 上传图片
|
||
# @name uploadImage
|
||
POST {{host}}/api/v1/upload
|
||
Content-Type: multipart/form-data; boundary=ocrBoundary
|
||
|
||
--ocrBoundary
|
||
Content-Disposition: form-data; name="file"; filename="2.png"
|
||
Content-Type: image/jpeg
|
||
|
||
< ./fixtures/2.png
|
||
--ocrBoundary--
|
||
|
||
> {% client.global.set("fileId", response.body.data.file_id); %}
|
||
|
||
### 使用上传返回的 file_id 识别文字
|
||
# 先执行上面的上传请求,IDEA 会自动保存返回的 file_id。
|
||
POST {{host}}/api/v1/i2t
|
||
Content-Type: application/json
|
||
|
||
{
|
||
"file_id": "{{fileId}}",
|
||
"min_confidence": 0.0
|
||
}
|
||
|
||
### 识别并过滤低置信度文本
|
||
#POST {{host}}/api/v1/i2t
|
||
#Content-Type: application/json
|
||
#
|
||
#{
|
||
# "file_id": "{{fileId}}",
|
||
# "min_confidence": 0.8
|
||
#}
|