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