Introduktion

Aspose.OMR FOSS för Python s offentliga API (omr.api) är avsiktligt liten: OmrEngine, TemplateProcessor, ImageCollection och FormValidationLogic enum. Detta inlägg tittar på vad var och en gör och hur de kopplas ihop i ett generera → känna igen → export-arbetsflöde.

Biblioteket importeras som import omr, är licensierat under MIT och beror endast på numpy, opencv-python och Pillow.


Vad som ingår

OmrEngine — en tillståndslös fabrik

OmrEngine har ingen state mellan anrop. Generate(source, settings) accepterar antingen en markup-DSL textkälla eller ett code-first TemplateConfig-träd, och returnerar en GenerationResult — sidans bild(er) plus en .omr template JSON som beskriver varje elements placering. GetTemplateProcessor(templateSource, validationLogic) laddar en tidigare sparad .omr file (eller en in-memory descriptor) och returnerar en TemplateProcessor bunden till den.

from omr.api import OmrEngine, FormValidationLogic

engine = OmrEngine()
gen = engine.Generate("final-exam.txt")
gen.Save("out", "final-exam")
processor = engine.GetTemplateProcessor("out/final-exam.omr", FormValidationLogic.Ignore)

GenerationResult och MemoryGenerationResult

GenerationResult exponerar ErrorCode, ErrorMessage, Template (den .omr descriptor som en JSON sträng), TemplateImage, och — för flersidiga mallar — MultipageTemplateImages. Save(folder, name) skriver bilden och descriptor till disk; SaveAsPdf() är inte implementerad i denna version och kastar NotImplementedError. MemoryGenerationResult omsluter samma data som minnesströmmar istället: GetImages() returnerar en lista med minnesströmmar för bilder, och GetOmr(encoding) returnerar descriptor som en ström — användbart när en anropar inte vill röra filsystemet alls.

TemplateProcessor — Identifiera skanningar

TemplateProcessor.Recognize(source, recognitionThreshold) läser en skannad bild mot den mall den skapades från och returnerar en RecognitionResult. RecognizeFolder(folderPath, recognitionThreshold) kör samma igenkänning på varje bild i en mapp i ett enda anrop, och returnerar en lista med resultat — praktiskt för batchbehandling av en stapel skanningar. Recalculate(result, recognitionThreshold) omvärderar ett redan identifierat resultat med ett annat tröskelvärde, utan att läsa om källbilden igen.

RecognitionResult — Läser svaren

Varje element i RecognitionResult.OmrElements implementerar IOmrElement, exponerar GetAnswer() och GetCsv() per element, tillsammans med QuestionName. På resultatsnivå exporterar GetCsv(encoding), GetJson(encoding) och GetXml(encoding) hela resultatet, var och en med en matchande ...AsStream variant som returnerar en BytesIO istället för en vanlig sträng.

ImageCollection — Bädda in bilder i markup

ImageCollection är en enbart-append, skiftlägeskänslig karta från ett namn till råa bildbytes. Add(name, image) registrerar en bild, Contains(name) kontrollerar om ett namn redan är registrerat, och as_dict() returnerar den underliggande kartan. Markup kan sedan referera till en registrerad bild med namn (?image=<name>) istället för en sökväg i filsystemet — användbart när bildbytarna kommer från någon annan källa än disk, till exempel en webbladdning.


Snabbstart

git clone https://github.com/aspose-omr-foss/Aspose.OMR-FOSS-for-Python.git
cd Aspose.OMR-FOSS-for-Python
pip install -e .
from omr.api import OmrEngine, FormValidationLogic

engine = OmrEngine()
gen = engine.Generate("final-exam.txt")          # or a code-first TemplateConfig
gen.Save("out", "final-exam")                    # -> out/final-exam.png + out/final-exam.omr
processor = engine.GetTemplateProcessor("out/final-exam.omr", FormValidationLogic.Ignore)
result = processor.Recognize("scan.png")         # -100 = auto-calibrated threshold
print(result.GetCsv())                           # also GetJson() / GetXml()

Öppen källkod & licensiering

Aspose.OMR FOSS för Python är licensierad under MIT och hostas på GitHub. Kommersiell användning är tillåten under samma villkor som alla MIT-licensierade projekt. För företagsfunktioner och produktionsstöd, se Aspose.OMR — Enterprise Product Family.


Komma igång

Relaterade resurser