OCR+PDF解析配套前端工具开源详解！

已于 2024-10-09 15:11:52 修改
阅读量925 收藏 9
点赞数 17
文章标签： ocr pdf 前端 深度学习
于 2024-10-09 15:10:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/INTSIG/article/details/142786581
版权

目录

一、项目简介

TextIn为相关领域的前端开发提供了优秀的范本。

目前项目已在Github上开源！

二、性能特色

三、安装使用

四、效果展示

面对日常生活和工作中常见的OCR识别、PDF解析、翻译、校对等场景，配套的可视化工具能够极大地提升我们的使用体验和工作效率。

通过可视化界面，我们可以直观地看到文本识别、解析和翻译的结果，便捷评估产品效果。

今天来跟大家分享一个非常棒的开源项目——TextIn ParseX-Frontend，帮助我们轻松搭建优秀的前端可视化界面。

通用文档解析-RAG文本解析-PDF转markdown-TextIn

一、项目简介

ParseX-Frontend是一套TextIn开发的可视化工具，它针对OCR或PDF解析结果审核校对、效果测评场景，也适用于翻译软件等一系列需要可视化比对的工具。项目用ES6开发，基于React框架，能够清晰全面地展示解析结果，具有丰富的可视化和交互功能。

TextIn为相关领域的前端开发提供了优秀的范本。

目前项目已在Github上开源！

例图

二、性能特色

  • 免费且稳定：前端组件代码全部开源，ParseX作为TextIn核心产品，前端更新维护稳定，并且已公布导入编辑功能的计划。

  • 强大的渲染能力：预览渲染主流图片格式和pdf文件，提供缩放和旋转功能；markdown结果渲染，支持各级标题、图片、公式渲染展示。

  • 支持元素提取与位置溯源：各类解析元素提取展示，支持查看表格、公式、图片，和原始 JSON 结果；解析元素文档位置溯源，原文画框标注各元素位置，可以点击画框跳转解析结果，也可以点击解析结果跳转原文画框。

  • 目录还原：各层级目录树还原展示，支持点击跳转相应章节。

  • 灵活的参数配置：接口调用选项参数，支持配置不同参数组合，获取相应解析结果。

  • 便捷的复制导出功能：支持复制和导出markdown文件；复制解析后的表格和图片，可以直接粘贴到Excel表格中。

三、安装使用

安装依赖

环境要求：

  1. node 版本 >= 18.20.4

  2. 强烈建议使用 yarn 包管理器，项目仓库包含 yarn.lock，指定了依赖版本

拉取项目：

git clone https://github.com/intsig-textin/parsex-frontend.git

使用 npm 或 yarn 安装：

  1. yarn install
  2. # 或
  3. npm install

启动项目

  1. yarn start
  2. # 或
  3. npm run start

浏览器访问http://localhost:10007

脚本命令

项目结构

简要描述项目文件结构，以帮助贡献者和用户理解项目的组织方式。

  1. │├── src/           # 源代码
  2. │ ├── assets/        # 静态资源
  3. │ ├── components/      # 全局通用组件
  4. │ ├── layouts/        # 页面框架组件
  5. │ ├── modules/        # store
  6. │ ├── pages/         # 页面组件
  7. │ ├── service/        # 接口服务
  8. │ ├── utils/         # 工具函数
  9. │ └── app.ts         # 入口文件
  10. ├── public/          # 静态资源
  11. ├── config/          # 配置
  12. │ ├── routes         # 路由
  13. │ └── config.*        # 其他umi配置
  14. ├── .eslintrc.js       # ESLint 配置
  15. ├── tsconfig.json      # TypeScript 配置
  16. ├── package.json       # 项目配置
  17. └── README.md         # 项目说明文件

四、效果展示

效果图1

效果图2

效果图3

ParseX-Frontend 作为一款可视化工具，具备丰富的交互功能。原文定位溯源，一键复制文字、表格、图片，灵活的参数配置，不仅能帮助用户快速比对，评估产品效果，提高工作效率，也降低了技术门槛，非开发者用户也能轻松上手。

更多细节功能，感兴趣的可以到项目地址查看：

项目地址：https://github.com/intsig-textin/parsex-frontend

合合技术团队
关注
博客
启信宝产业洞察：广东领跑低空经济，无人机产业强势崛起
11-07 664
据启信宝数据显示，近五年来，全国低空经济产业企业共获得728次创投融资，公开融资金额的事件占比达到35.58%，其中金额在1亿-10亿区间次数最多，融资金额在1亿元以上的事件共92次，占比12.64%。随着政策的扶持、技术的进步、应用场景的拓展以及资本市场的不断涌入，低空经济在未来将迎来更加蓬勃的发展机遇。应用方面，在个人消费、地理测绘、影视航拍等领域，无人机的应用已经相当成熟，而在应急救援、通信中继、气象探测等新的应用场景中，无人机也正在发挥着越来越重要的作用，成为低空经济的重要推手。
博客
TextIn ParseX文档解析SDK工具新增Java版本
11-06 1223
这是一套标准的多平台支持的Java SDK，帮助开发者解析pdf_to_markdownRestful API返回结果，获取对应的版面元素的数据结构。开发者只需下载jar包，并导入到自己的项目中即可使用。
博客
开源Embedding模型，有效提升中文语义理解与召回
10-30 1379
此前，我们已经简单介绍了TextIn团队开发的开源acge_text_embedding模型及其下载和使用方法。本篇将展开讨论Embedding模型中使用的技术框架。
博客
合合信息发布智能文档处理“百宝箱”，助力文档应用开发
10-28 428
百宝箱”覆盖文档处理流程多节点，支持批量、高效、准确解析多种版式的文档材料，解决文档解析精度低、解析效果评估难和大模型幻觉等问题，助力技术人员实现个性化、高效率的文档类应用开发工作。未来，合合信息智能文档处理“百宝箱”将始终追求更高的效率与准确率，从文档解析到效果测评，为知识库产品开发提供有力支持。“百宝箱”中的“文档解析测评工具”从表格、段落、标题、阅读顺序、公式等多维度，为文档解析工具筛选提供定量测评依据及服务，并提供雷达图等可视化形式，方便开发者直观地看到文本识别、解析和翻译的结果，节省筛选时间。
博客
合合信息亮相2024中国模式识别与计算机视觉大会，用AI构建图像内容安全防线
10-25 570
今年9月，由中国图象图形学学会、中国信息通信研究院、合合信息、中国科学技术大学等高校、公司联合编制，中国互联网协会发布的《文本图像篡改检测系统技术要求》围绕“细粒度”视觉差异伪造图像鉴别、生成式图像判别等行业焦点议题，建立了统一的评估框架，将助力文档图像处理技术安全、有序发展。现阶段，合合信息图像篡改检测技术已被应用于卡证篡改检测中，不仅在驾驶证、行驶证检测中实现了良好的鉴伪效果，也在银行移动开户、信用卡申办、保险理赔，财务报销审批及其他商业消费场景中广泛落地，为机构、企业规避图像伪造带来的经济风险。
博客
单月30k+ Downloads！一款头部Embedding开源模型
10-23 1255
acge_text_embedding模型由TextIn团队开发，是一个通用的文本编码模型——可变长度的向量化模型。Embedding是一种用于机器学习和自然语言处理领域的表示技术，它将高维的离散数据（如单词、句子或者图像的特征等）转换为低维的连续向量，这些向量能够捕捉到数据的语义特征和关系，将单词、短语或整个文档的语义和上下文信息封装在一个密集的、低维的向量空间中。acge模型使用了Matryoshka Representation Learning，建议使用的维度为1024或者1792。
博客
做好个人信息保护“守门员”，合合信息入选首批PIA典型案例集
10-18 272
据悉，《PIA典型案例集》根据《个人信息保护法》的五个法定场景进行归类，囊括了互联网、电信、政务、金融、制造、房地产、运输、教育、电商、医疗等常见行业领域，覆盖了身份核验、网络支付、个性化推送、云服务、大额资产交易、青少年模式、数据出境、内部风控等典型业务场景，详细讨论了企业在产品研发过程中处理敏感个人信息、利用个人信息进行自动化决策以及其他对个人权益有重大影响的个人信息处理活动等内容。大数据时代，做好个人信息保护工作离不开多方主体的支持和努力，平衡好个人信息保护和数据开发之间的关系，是企业应尽的责任。
博客
复旦大学全球供应链研究中心揭牌，合合信息共话大数据赋能
10-17 544
他指出，合合信息通过整合工商信息、司法信息、税务信息、舆情信息等多维度数据，构建了全面的企业知识图谱与评分建模，能够为企业提供精准的供应商风险评估和信用评价（启信分）。同时，合合信息还利用大数据技术对供应链中的潜在风险进行预警和监控，帮助企业及时发现并应对潜在的风险挑战，解决了无法提前洞悉风险的难题。他提到，合合信息已经为众多知名企业提供了供应链数字化风控合规解决方案，通过大数据和人工智能技术，帮助企业实现了供应商遴选评估的数字化、自动化和智能化，从源头把控合作风险，提升供应链管理效率。
博客
用户的声音｜ 出色的表格解析能力！TextIn文档解析助力金融信息化企业数据底座建设
10-16 1567
最近，合小研收到了一些重要的用户反馈——它们来自各个行业领域的先锋用户，“大模型+”的前沿探索者。对AI从业者来说，今年诺贝尔奖的公布像一剂强心针，调动起了大家的热情，在世界范围内更广泛地看见AI的无限可能性。TextIn团队和我们的用户都是其中的一员。我们探讨各自的赛道和前进的方向，并在不同的领域注入AI的力量。我们将与大家分享与文档解析这款大模型加速器有关的故事——
博客
合合信息启信宝发布《数据产业全景——关键指标分析与趋势洞察》报告
10-12 443
从区域分布来看，据启信产业大脑数据显示，长三角、京津冀、粤港澳大湾区和成渝地区是我国数据企业的主要聚集地，分别拥有数据企业48596家、23524家、20014家和11791家，四个地区合计占比达53%，超过全国数据企业数量一半以上，表明数据产业集群正在加速形成。近日，合合信息旗下启信宝发布了《数据产业全景——关键指标分析与趋势洞察》报告，对我国数据产业蓬勃发展的态势进行了系统性地解析，基于产业链视角，深入剖析了数据产业的上中下游产业链，并通过产业的指标统计分析，为行业观察者展示了数据产业发展状况和趋势。
博客
PDF解析+RAG，手把手教你在Coze搭建个人知识库！
10-11 1308
在这个信息爆炸的时代，搭建个人知识库就像是拥有了一个超级智能的“外脑”。它不仅能帮你储存知识，还能在你需要的时候迅速地调取信息，提高知识的使用效率。今天，合小研会逐步演示如何在Coze扣子平台搭建个人知识库！
博客
PS技术vs篡改检测，P图“照妖镜”实力如何？
09-29 889
如何判断一张图片有没有被P过？社媒上的美颜照片尚属小事，但如果身份证、护照、学历证明这些重要文件和图片也能通过PS神技篡改，问题就大了。于是，江湖流传几款“鉴P技巧”，其中受到广泛肯定的主要有两种：检查图片中的异常区域如果一张图片被PS修改过，那么图片中可能会存在一些异常区域，如颜色、光线、透视关系等方面的不自然。检查这些异常区域可以帮助我们判断图片是否被PS修改过。检查图片的元数据许多数字图片都包含元数据，这些数据记录了图片的创建和修改历史。
博客
中国信通院携手合合信息发布《文本图像篡改检测系统技术要求》
09-20 361
近日，由中国图象图形学学会、中国信息通信研究院、上海合合信息科技股份有限公司、中国科学技术大学、深圳大学、上海交通大学、华南理工大学、南开大学等高校、公司联合编制、中国互联网协会发布的《文本图像篡改检测系统技术要求》团体标准（简称“《要求》”）正式发布，将助力文档图像处理技术安全、有序发展。面对篡改图像以假乱真的难题，合合信息基于深度学习的图像篡改检测方法，推出了“PS篡改检测”技术，可检测出多种篡改形式，智能捕捉图像在篡改过程中留下的细微痕迹，并以热力图的形式展示图像区域篡改位置。
博客
启信产业大脑助力市北高新园区数字化升级，开启智慧园区新篇章
09-18 338
一企一画像”平台集成了企业画像构建、经营监测与预警系统以及精准招商功能，针对传统园区管理难度大、企业监控难、招商效率低的痛点，提供了精准有效的解决方案。同时，平台加载的智能的经营监测与预警系统，能够实时洞察企业动态，及时发现并预警潜在风险，有效提升了园区的安商稳商能力。在企业监控方面，实时的预警机制有效降低了企业流失率，增强了园区的吸引力；在招商领域，“一企一画像”平台通过智能匹配能力，基于园区产业发展方向和智能算法推荐，为招商人员提供了精准的招商线索和潜在合作对象，极大地提高了招商工作的科学性和效率。
博客
AI假图检测：Deepfake层出不穷，怎么才能“有图有真相”？
09-11 2116
随着AIGC技术的迅猛发展，互联网上涌现出各种逼真的篡改照片和视频。“有图有真相”已经成为历史。而证件、票据、账单、流水等文件P图这些更为常见的伪造活动，也在AI技术的加持下如虎添翼，成为不少企业与机构的头疼难题。当肉眼不再能成为鉴别工具，通过科技手段进行对抗存在必要性。AI造假检测技术，是AIGC时代的一道安全防线。
博客
论文解读 -TongGu：专注于文言文的大模型
09-09 1209
论文提出了TongGu（意为理解古代和现代），第一个专注于CCU的LLM。首先，论文构建了一个来自丰富的文言文语料库的两阶段指令调优数据集ACCN-INS，旨在解锁LLM的全部CCU潜力。其次，论文提出了冗余感知调优（RAT），以防止灾难性遗忘，使TongGu能够在保留其基础知识的同时获得新的能力。第三，论文提出了一种基于知识基础的CCU检索-增强生成（CCU-RAG）技术来减少幻觉。
博客
TextIn ParseX：助力开发者解析版面元素信息
09-05 1405
TextIn ParseX通用文档解析是一款大模型友好的解析工具，支持将pdf文档、jpg、img图像等文件快速转换为markdown格式，支持各类表格、公式解析，帮助大语言模型的数据清洗和文档问答任务。
博客
合合信息启信宝参编国内首份《数据产业图谱（2024）》
09-03 432
近日，在2024中国国际大数据产业博览会上，北京交通大学张向宏教授正式发布了国内首部《数据产业图谱（2024）》（以下简称“图谱”）。该图谱由北京交通大学牵头，联合清华大学、北京大学、中国软件评测中心、华为、合合信息等11家单位共同参与构建。《数据产业图谱（2024）》首次全面展示了我国数据产业的基本内涵、构成、主体及特征，揭示了我国数据产业的蓬勃发展现状与巨大发展潜力。图谱的发布，为我国数据产业的发展提供了宝贵的参考依据。此次数据产业研究课题组中，合合信息旗下启信宝是唯一一家参与图谱编撰的数据企业。
博客
AI赋能新质生产力培育，合合信息登上《人民日报》
09-02 406
近期，人民日报重点关注合合信息在“AI保护传统文化”中的探索动作，报道合合信息如何利用智能文档处理等AI技术赋能文化遗产保护传承，形成培育发展新质生产力的机制，推出新一代信息技术、人工智能产品。
博客
数博会聚焦：合合信息启信宝践行数据创新应用
08-30 492
8月28日，2024中国国际大数据产业博览会在贵阳开幕。会议期间，国家数据局局长刘烈宏主持召开企业家座谈会，上海合合信息科技股份有限公司董事长镇立新受邀参加。刘烈宏认真听取企业家的发言，并表示，企业家们提供的情况为我们分析当前数字领域发展形势、研究制定政策举措提供了非常重要的参考。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值