百度OCR调用记录

根据说明，调用测试

设置注册的API Key和Secret Key

调用类（官方文档中有）

这里改传入路径；

测试问题

1.{"error_code":110,"error_msg":"Access token invalid or no longer valid"}

查到说是

原来第一步取AccessToken方法，有误区，返回的result是一个集合，AccessToken是其中一项。。。

需要转化后获取（弱水三千，TMD只取一瓢）：

自建类库，参考
public class AccessTokenInfo
{
    public string refresh_token { get; set; }
    public string expires_in { get; set; }
    public string session_key { get; set; }
    public string access_token { get; set; }
    public string scope { get; set; }
    public string session_secret { get; set; }
}

2.按照之前的类传入PDF不识别

{"log_id":1901887988395845459,"error_msg":"image format error","error_code":216201}

原因：给的示例只支持image，PDF需要自己调整：

至此调用成功

3.解析字符串

自建类库
   
    public class OcrData
    {
        public string log_id { get; set; }
        public string pdf_file_size { get; set; }
        public string words_result_num { get; set; }
        public InvoiceData words_result { get; set; }
        
    }
    public class InvoiceData
    {
        /// <summary>
        /// 发票类型-电子发票(普通发票)
        /// </summary>
        public string InvoiceTypeOrg { get; set; }
        /// <summary>
        /// 发票号
        /// </summary>
        public string InvoiceNum { get; set; }
        /// <summary>
        /// 发票日期
        /// </summary>
        public string InvoiceDate { get; set; }
        /// <summary>
        /// 购买方抬头
        /// </summary>
        public string PurchaserName { get; set; }
        /// <summary>
        /// 购买方统一社会信用代码/纳税人识别号
        /// </summary>
        public string PurchaserRegisterNum { get; set; }
        /// <summary>
        /// 销售方抬头
        /// </summary>
        public string SellerName { get; set; }
        /// <summary>
        /// 销售方统一社会信用代码/纳税人识别号
        /// </summary>
        public string SellerRegisterNum { get; set; }
        /// <summary>
        /// 价税合计(小写)
        /// </summary>
        public string AmountInFiguers { get; set; }
        /// <summary>
        /// 税额-列表
        /// </summary>
        public List<CommodityData> CommodityTaxRate { get; set; }
        /// <summary>
        /// 税额-列表
        /// </summary>
        public List<CommodityData> CommodityTax { get; set; }
        /// <summary>
        /// 税额合计
        /// </summary>
        public string TotalTax { get; set; }
        /// <summary>
        /// 备注
        /// </summary>
        public string Remarks { get; set; }
        /// <summary>
        /// 开票人
        /// </summary>
        public string NoteDrawer { get; set; }
        /// <summary>
        /// 合计
        /// </summary>
        public string TotalAmount { get; set; }
    }
    public class CommodityData
    {
        public string row { get; set; }
        public string word { get; set; }
    } 

4.一个pdf多张发票问题

没查到可以一次读取多个的接口，笨办法就是分割成多个pdf，然后分别读取，下面是PDF分割的方法

 string inputPdfPath = "path/to/your/input.pdf";
        string outputDir = "path/to/output/directory";

        // 确保输出目录存在
        Directory.CreateDirectory(outputDir);

        using (PdfReader reader = new PdfReader(inputPdfPath))
        {
            using (PdfDocument pdfDoc = new PdfDocument(reader))
            {
                int numberOfPages = pdfDoc.GetNumberOfPages();

                // 遍历每一页
                for (int i = 1; i <= numberOfPages; i++)
                {
                    // 创建新文件的路径
                    string outputPath = Path.Combine(outputDir, $"page_{i}.pdf");

                    // 创建一个新的PDF文档，只包含当前页
                    PdfDocument singlePageDoc = new PdfDocument(new PdfWriter(outputPath));
                    pdfDoc.CopyPagesTo(i, i, singlePageDoc);
                    singlePageDoc.Close();

                    ---这里读取就好了
                }
            }
        }