腾讯云文字识别（通用高精度版）

问题背景

在工程实践中，处理非结构化文档数据是一个高频且棘手的任务。开发者经常需要从扫描件、照片、截图或 PDF 中提取文字信息，用于存档、分析或系统对接。传统的 OCR 方案可能面临准确率不高、对复杂排版或低质量图片处理能力弱、无法有效识别特定结构（如简历）等问题。

核心能力与实现

该技能封装了腾讯云 OCR 的 GeneralAccurateOCR 接口，主要提供以下核心能力：

• 高精度通用文字识别：对图片中的文字进行精准提取，即使图片质量一般，也能返回结构化的文本内容。
• PDF 文件直接解析：无需将 PDF 转换为图片，支持通过 IsPdf 参数直接识别 PDF 文件指定页码（PdfPageNumber）的内容。
• 细粒度位置与置信度：可选开启 IsWords 参数，返回每个识别出的单字在图片中的坐标位置和置信度分数，这对于需要精确定位或分析识别质量的场景很有价值。
• 结构化信息提取扩展：基于 OCR 结果，技能提供对多语种简历进行结构化提取的能力，将非结构化的简历图片或 PDF 转化为格式化的数据，这超出了纯文字提取的范畴。

技能的工作流相对直接：通过 scripts/main.py 脚本发起请求，核心是构造包含 ImageBase64 或 ImageUrl 的 JSON 参数调用腾讯云 API。脚本会自动处理 UserAgent 参数的探测与注入，用于渠道统计，不影响主流程。

适用边界与注意点

在使用前，需要明确几点：

• 单页处理：对于 PDF，每次请求仅能识别指定的单页内容，识别多页需循环调用。
• 输入限制：图片 Base64 大小不超过 10MB。请确保网络环境能稳定访问腾讯云 API 端点。
• 角色依赖：技能的运行完全依赖腾讯云 OCR 服务，需要有效的 API 密钥（TENCENTCLOUD_SECRET_ID 和 TENCENTCLOUD_SECRET_KEY），并已购买相应服务。
• 非实时场景：此为服务端识别，网络延迟和 API 限流可能影响响应速度，不适用于毫秒级延迟要求的实时场景。