关于Cloud Vision OCR额外可提取内容及提取方法的技术咨询

可提取的非文本/坐标类信息 #

• 语言标识：自动识别文本对应的语言，支持超过100种语言及方言，结果包含具体语言代码。
• 文本层级结构：拆分文档为段落、行、单词、字符的层级结构，明确排版逻辑。
• 识别置信度：为每个识别出的文本片段（字符、单词、段落）返回0-1的置信度评分，体现结果可靠性。
• 文本类型区分：识别并区分印刷体与手写体文本，适配混合排版场景。
• 文档旋转角度：检测文档的倾斜/旋转角度，支持后续校正处理。
• 结构化证件信息：针对身份证、护照、驾照等特定证件，可提取结构化字段（如姓名、证件编号、有效期），属于专用OCR能力。

提取操作方法 #

• 基础OCR调用（如DOCUMENT_TEXT_DETECTION或TEXT_DETECTION）：
  • 语言标识：响应中languageCode字段直接返回识别出的语言代码；若需指定候选语言，可在请求中设置languageHints参数。
  • 层级结构与置信度：默认响应包含pages→blocks→paragraphs→words→symbols的层级，每个节点都带有confidence字段。
  • 文本类型区分：启用DOCUMENT_TEXT_DETECTION特征后，响应中部分文本片段会标记手写体属性；特定场景可结合HANDWRITING_DETECTION特征强化识别。
  • 旋转角度：pages节点下的rotation字段即为文档的旋转角度值。
• 结构化证件信息：调用对应专用API（如ID Card OCR），无需额外配置，直接返回结构化的字段结果。

内容的提问来源于stack exchange，提问作者Daniel Schutz