Node.js调用Azure Computer Vision OCR提取配料成分问题咨询

一、问题1+2解决方案：提取配料纯文本输出 #

直接替换原有请求回调逻辑即可，代码如下：

request.post(options, (error, response, body) => {
  if (error) {
    console.log('Error: ', error);
    return;
  }
  const ocrResult = JSON.parse(body);
  // 1. 遍历所有行，存储文本和对应坐标参数
  const allLines = [];
  ocrResult.regions.forEach(region => {
    region.lines.forEach(line => {
      const lineText = line.words.map(word => word.text).join(' ');
      const boxParams = line.boundingBox.split(',').map(Number);
      allLines.push({
        text: lineText,
        left: boxParams[0],
        height: boxParams[3]
      });
    });
  });

  // 2. 匹配配料表起止范围
  let ingredientStart = -1;
  let ingredientEnd = allLines.length - 1;
  // 匹配INGREDIENTS开头的起始行
  for (let i = 0; i < allLines.length; i++) {
    if (allLines[i].text.toUpperCase().includes('INGREDIENTS:')) {
      ingredientStart = i;
      continue;
    }
    // 匹配下一个全大写标题作为结束边界（如DISTRIBUTED BY、NUTRITION等）
    if (ingredientStart > -1 && /^[A-Z\s:]+$/.test(allLines[i].text.trim())) {
      ingredientEnd = i - 1;
      break;
    }
  }

  // 3. 拼接配料文本并翻译为中文
  let ingredientText = '未识别到配料表';
  if (ingredientStart > -1) {
    const rawIngredient = allLines.slice(ingredientStart, ingredientEnd + 1)
      .map(line => line.text.replace(/^INGREDIENTS:\s*/, ''))
      .join(' ')
      .replace(/,$/, '');
    // 英文配料转中文
    ingredientText = `配料：${rawIngredient
      .replace('WHITE TUNA', '白金枪鱼')
      .replace('SOYBEAN OIL', '大豆油')
      .replace('VEGETABLE BROTH', '蔬菜高汤')
      .replace('SALT', '食用盐')
      .replace('PYROPHOSPHATE ADDED', '添加焦磷酸盐')
      .replace(/,/g, '、')}`;
  }
  console.log(ingredientText);
  // 最终输出示例：配料：白金枪鱼、大豆油、蔬菜高汤、食用盐、添加焦磷酸盐
});

二、问题3解决方案：无INGREDIENTS关键词的提取方案 #

• 布局特征筛选：配料表通常为连续左对齐的文本块，同一块文本的left坐标偏差不会超过20px，行高差值小于10px，可先筛选符合该特征的连续文本块作为候选。
• 内容特征匹配：提前维护常见食品配料词库（中英文均可），统计候选文本块中配料词的占比，占比超过60%即可判定为配料表。
• 排除法筛选：先排除特征明显的其他板块：包含g、%、千卡等单位的营养成分表，包含BY、地址、电话等关键词的厂商信息板块，剩余的连续长文本块基本为配料表。

内容的提问来源于stack exchange，提问作者Java user