n8n-nodes-baidu-ocr

这是一个用于 百度智能云 OCR API 的 n8n 社区节点。它可以让你使用百度强大的 OCR 服务从图片和文档中识别文字。

n8n 是一个 公平代码许可 的工作流自动化平台。

安装

请参考 n8n 社区节点文档中的 安装指南。

npm install n8n-nodes-baidu-ocr

前置条件

你需要一个开通了 OCR API 的百度智能云账号：

1. 在 百度智能云 注册账号
2. 进入 OCR 控制台
3. 创建应用以获取 API Key 和 Secret Key

支持的识别类型

| 识别类型 | 说明 | 支持格式 | |----------|------|----------| | 通用文字识别（标准版） | 识别图片中的文字，适用于普通场景 | 图片、PDF | | 通用文字识别（高精度版） | 更高精度的文字识别，适用于复杂场景 | 图片、PDF | | 表格文字识别 | 识别图片中的表格结构和内容 | 图片、PDF | | 身份证识别 | 识别身份证正面或反面信息 | 仅图片 | | 银行卡识别 | 识别银行卡卡号等信息 | 仅图片 | | 营业执照识别 | 识别营业执照关键字段 | 图片、PDF | | 增值税发票识别 | 识别增值税发票关键字段 | 图片、PDF | | 定额发票识别 | 识别定额发票信息 | 仅图片 | | 通用机打发票识别 | 识别通用机打发票信息 | 图片、PDF | | 驾驶证识别 | 识别驾驶证正页或副页信息 | 仅图片 | | 行驶证识别 | 识别行驶证正页或副页信息 | 仅图片 | | 车牌号识别 | 识别车牌号码 | 仅图片 | | 护照识别 | 识别护照关键信息 | 仅图片 |

凭证配置

在 n8n 中配置百度 OCR API 凭证：

• API Key: 你的百度智能云 API Key
• Secret Key: 你的百度智能云 Secret Key

使用方法

输入类型

• 二进制数据: 使用上游节点传入的二进制图片或PDF数据（如 HTTP Request、Read Binary File）
• 图片URL: 直接提供图片的网络地址

支持的文件格式

节点会自动检测文件格式并进行相应处理：

• 图片格式: JPG、PNG、BMP 等常见图片格式
• PDF文档: 自动识别 PDF 文件并支持多页识别（部分识别类型支持）

重要说明：

• 百度 OCR API 是图像识别服务，用于识别图片或 PDF 中的文字
• 不支持直接解析 Office 文档（Excel、Word、PowerPoint）和 CSV 文件
• 如需识别 Office 文档内容，请先将其转换为图片或 PDF 格式
• 「表格文字识别」是识别图片中的表格，而非解析 Excel 文件

多文件智能检测

当使用二进制数据输入时，节点支持同时检测多个属性名中的文件：

• 默认属性名：data,data0,data1,data2,data3
• 节点会自动检测哪些属性下存在文件，并对所有检测到的文件进行 OCR 识别
• 你也可以自定义属性名列表（用逗号分隔）

PDF 页码配置

当输入文件为 PDF 时，可以通过「PDF页码范围」配置要识别的页面：

| 配置值 | 说明 | |--------|------| | all | 识别所有页面（默认） | | 1 | 只识别第1页 | | 1-5 | 识别第1到5页 | | 1,3,5 | 识别第1、3、5页 | | 1-3,5,7-9 | 组合使用 |

注意: PDF 每页需要单独调用 API，会产生相应的 API 调用费用。

输出格式

节点会自动将 OCR 识别结果拼接为完整文本，输出包含：

• text: 拼接后的完整识别文本（保留换行符）
• results: 每个文件/页面的详细识别结果数组
• fileCount: 处理的文件数量
• processedProperties: 实际处理的属性名列表

对于 PDF 文件，每页的结果还会包含：

• fileType: 文件类型（pdf 或 image）
• pageNumber: PDF 页码

示例工作流

1. 添加触发器节点（如 Manual Trigger）
2. 添加获取文件的节点（如 HTTP Request 下载图片/PDF）
3. 添加 Baidu OCR 节点
4. 配置识别类型和输入方式
5. 如果是 PDF，配置页码范围
6. 执行工作流

兼容性

• n8n 版本: 1.0.0+
• Node.js 版本: 18.0.0+

相关资源

• 百度 OCR API 文档
• n8n 社区节点文档

许可证

MIT