src/services/ocr/ocr.service.ts - master - viktorphp/back-socket

src/services/ocr/ocr.service.ts
122 строки5 KB
Иванов Виктор Евгеньевич
feature-diary: добавить функционал дневника
11 апр 2026, 11:13
11 апр 2026, 11:138167a94
import { Injectable } from '@nestjs/common';
import { ConfigService } from '@nestjs/config';
import { HttpService } from '@nestjs/axios';
import { firstValueFrom } from 'rxjs';

/**
 * Поддерживаемые Yandex Vision OCR модели распознавания.
 * - page: распознавание печатного текста (документы, фото текста)
 * - handwritten: рукописный текст
 */
type OcrModel = 'page' | 'handwritten';

/**
 * OcrService — сервис для распознавания текста через Yandex Vision OCR API.
 *
 * Документация API: https://yandex.cloud/ru/docs/vision/ocr/api-ref/
 *
 * Принцип работы:
 * 1. Файл (изображение или PDF) передаётся в base64
 * 2. Отправляем POST-запрос к API с указанием MIME-типа и модели
 * 3. API возвращает распознанный текст блоками — мы собираем их в одну строку
 */
@Injectable()
export class OcrService {
  // Эндпоинт Yandex Vision OCR API
  private readonly apiUrl =
    'https://ocr.api.cloud.yandex.net/ocr/v1/recognizeText';

  private readonly apiKey: string;

  constructor(
    private readonly configService: ConfigService,
    private readonly httpService: HttpService,
  ) {
    this.apiKey = this.configService.get<string>('vision.apiKey');
  }

  /**
   * Распознаёт текст на изображении или в PDF-файле.
   *
   * @param fileBuffer - Содержимое файла в виде Buffer
   * @param mimeType - MIME-тип: 'image/jpeg', 'image/png', 'application/pdf' и т.д.
   * @returns Распознанный текст одной строкой (блоки объединены через \n)
   * @throws Error если API вернул ошибку или не удалось распознать текст
   */
  async recognizeText(fileBuffer: Buffer, mimeType: string): Promise<string> {
    // Кодируем файл в base64 — именно в таком формате ожидает API
    const base64Content = fileBuffer.toString('base64');

    // Определяем модель распознавания в зависимости от MIME-типа.
    // Для PDF используем модель 'page' (печатный текст).
    // При необходимости модель можно сделать параметром метода.
    const model: OcrModel = 'page';

    // Формируем тело запроса согласно документации Yandex Vision OCR
    const requestBody = {
      mimeType, // тип файла: image/jpeg, application/pdf и т.д.
      languageCodes: ['ru', 'en'], // языки для распознавания
      model, // модель: page (печать) или handwritten (рукопись)
      content: base64Content, // содержимое файла в base64
    };

    // Отправляем запрос к API с API-ключом в заголовке Authorization
    const response = await firstValueFrom(
      this.httpService.post(this.apiUrl, requestBody, {
        headers: {
          Authorization: `Api-Key ${this.apiKey}`,
          'Content-Type': 'application/json',
        },
      }),
    );

    // Извлекаем распознанный текст из ответа.
    // Структура ответа API:
    // result.textAnnotation.blocks[] → lines[] → words[] → text
    // Либо можно использовать result.textAnnotation.fullText (если доступно)
    const textAnnotation = response.data?.result?.textAnnotation;

    if (!textAnnotation) {
      throw new Error('Yandex Vision API не вернул результат распознавания');
    }

    // Если API вернул готовое поле fullText — используем его
    if (textAnnotation.fullText) {
      return textAnnotation.fullText;
    }

    // Иначе собираем текст из блоков вручную
    const blocks: string[] = (textAnnotation.blocks ?? []).map((block: any) => {
      const lines: string[] = (block.lines ?? []).map((line: any) => {
        const words: string[] = (line.words ?? []).map(
          (word: any) => word.text ?? '',
        );
        return words.join(' ');
      });
      return lines.join('\n');
    });

    return blocks.join('\n\n');
  }

  /**
   * Проверяет, поддерживает ли данный MIME-тип OCR-распознавание.
   * Yandex Vision OCR работает с изображениями (jpeg, png, gif, bmp, tiff, webp) и PDF.
   *
   * @param mimeType - MIME-тип файла
   * @returns true если файл можно отправить на распознавание
   */
  isSupportedMimeType(mimeType: string): boolean {
    const supported = [
      'image/jpeg',
      'image/jpg',
      'image/png',
      'image/gif',
      'image/bmp',
      'image/tiff',
      'image/webp',
      'application/pdf',
    ];
    return supported.includes(mimeType.toLowerCase());
  }
}