技能介绍

解决的问题

很多办公文档以图片或扫描 PDF 形式存在，文字、表格、版面混排，直接复制会得到乱序文本或丢失单元格关系。若需要把财报、合同、试卷或发票转成可编辑材料，通常需要手工重排。

技能如何工作

该技能封装翔云 OCR 的通用文档识别接口，使用 typeId: 3050 对图片、PDF、扫描件中的文字、表格和版面结构做一体化识别。它先从 config.json、环境变量 NETOCR_KEY / NETOCR_SECRET 或用户输入中加载凭据，再读取本地文件、拖入文件或目录批量处理。识别时可按内容选择 nLanguage，例如英文为 2、日文为 11；对表格、多栏报告建议开启 layout: 1。遇到歪斜扫描件时可启用 autoRotation 与 inclineCorrect，背景干扰时可配合 removeWaterMark、filterColor。识别成功后会返回 consumeId，先以 Markdown 预览内容；当用户明确提出导出时，再调用下载接口获取 xls、flowWord、boxWord、md、pdf、txt 或 ofd 文件。

适用边界与注意点

该技能依赖云端 OCR 服务，识别阶段会向 netocr.com 发送图片和 API 凭据，因此不适合处理不可外发的高敏感材料。输入质量会影响结果：扫描件建议 300DPI 且小于 3M，普通图像约 200KB；常见格式包括 PNG、JPG、JPEG、WEBP、TIF、OFD、PDF。consumeId 有过期风险，下载失败时通常需重新识别。导出格式也有差异：xls 适合数据处理，boxWord 更偏向保留排版，flowWord 适合正文编辑，md 适合文档转换。多语言混排时应显式选择主要语言，避免默认简体中文造成误识别。