数学公式OCR识别php 对接mathpix api 使用公式编译器

数学公式OCR识别php 对接mathpix api

- 一、注册账号
- - 官网网址：https://mathpix.com
- 二、该产品支持多端使用
- - 注意说明（每月10次）
- 三、api 对接
- - 第一步创建create key
  - php对接api
  - - 这里先封装两个请求函数，get 和post ，通过官方文档我们可以知道，有的api 需要用get 有的需要post .
  - 下面我们开始发送请求的封装的一些函数
  - - 对接图片识别的api
    - 对接PDF 识别的api
    - - 第一步发送请求
      - 第二步骤，获取处理的格式以及处理状态
      - 第三步骤，获取处理的结果
      - 第四步骤，拿到自己想要的结果进行文件写入。
- 四。其他相关

项目开发中使用公式编译器，也参与开发过公式编译器，国内的巨头，金山，腾讯，这个网页版的编辑器公式这一块就比较糟糕，满足不了试题，公式的情况，后来自己开发的网页版公式编译器，现在对接了ocr 公式识别，国内的ocr 也是很糟糕。只能说针对数学公式这一块比较差，车辆车牌识别，身份证这种就比较简单做的比较好。

一、注册账号

官网网址：https://mathpix.com

如下图所示：

二、该产品支持多端使用

移动端，电脑PC端
在这里插入图片描述

注意说明（每月10次）

下载注册登录既可以使用客户端，新用户账号每月可免费使用10次图片转识别或者pdf识别次数，每月清零。
有其他途径下载的需要支付1美元的可以每个月使用50~1000次，这个我没有用过，看别人说的，1美元应该是激活使用，看了都是19年早起其他博主发的帖子。这个能找到最好。

三、api 对接

我们由于是工具类所以我们自己开发的对接的需要使用api 接口服务对接。下面就简单说明一下api 对接把,登录账号进入个人中心如右侧栏目
在这里插入图片描述

第一步创建create key

。点击选择API 上图红线标注的地方进入即到如下图界面，说明，创建Key 需要绑定一张信用卡。信用卡的用途是用户激活账号和每月用量的一个账单统计计费，直接通过该卡直接扣款。这个也是比较方便的，不向有的平台直接会员或者按年套餐，用量付费这个大家都比较好接受。绑定卡以后会有一个扣款激活，我这里直接扣款是19.9$ 这个目前活动可以不限制类型的api 接口。后期可能会调整。这个19.9 $ 就是一个激活账号作用，激活后会默认创建一个key 如下图，当然你也可以创建多个key 根据不同的产品单独计费使用，多个接口可以用一个key使用。
在这里插入图片描述

官网api 对接文档链接，点击即可进入
官方啊的api 文档写的也是比较专业的，类死与国内的api 比较分类多，个人感觉基本差不多。
下一步就是我们来使用这个api 对接：

php对接api

个人使用的是php 语言，所以这里代码示例就用thinkphp5+ 演示了。官方gethub 和其他的博主用的都是python 示例。基本差不多。都一样把。语法不同，规则不同而已。

这里先封装两个请求函数，get 和post ，通过官方文档我们可以知道，有的api 需要用get 有的需要post .

封装的两个函数get 和post 代码如下。注意类面用到上面我们注册的app_id 和app_key。这个大家都知道，这个就是用来确定身份呢的。对结果阿里，腾讯，百度，都知道。

app_id 和app_key

    function api_request_curl($url, $postData = array()) {if (empty($url)) return '';$postData = json_encode($postData);$curl = curl_init();  //初始化curl_setopt($curl,CURLOPT_URL,$url);  //设置urlcurl_setopt($curl,CURLOPT_HTTPAUTH,CURLAUTH_BASIC);  //设置http验证方法curl_setopt($curl, CURLOPT_TIMEOUT,30);curl_setopt($curl,CURLOPT_RETURNTRANSFER,1);  //设置curl_exec获取的信息的返回方式curl_setopt($curl,CURLOPT_POST,1);  //设置发送方式为post请求curl_setopt($curl,CURLOPT_POSTFIELDS,$postData);  //设置post的数据curl_setopt($curl, CURLOPT_HTTPHEADER, array('app_id:**********','app_key:**********','Content-Type: application/json','Content-Length: ' . strlen($postData)));$result = curl_exec($curl);if($result === false){throw new Exception('Http request message :'.curl_error($curl));}$result = json_decode($result,true);return $result;}/*** get请求* @param $url* @param string $msg* @return mixed*/public function api_request_get($url){if (empty($url)) return '';$curl = curl_init();  //初始化curl_setopt($curl,CURLOPT_URL,$url);  //设置urlcurl_setopt($curl,CURLOPT_HTTPAUTH,CURLAUTH_BASIC);  //设置http验证方法curl_setopt($curl, CURLOPT_TIMEOUT,30);curl_setopt($curl,CURLOPT_RETURNTRANSFER,1);  //设置curl_exec获取的信息的返回方式curl_setopt($curl, CURLOPT_HTTPHEADER, array('app_id:********','app_key:**********'));$result = curl_exec($curl);if($result === false){throw new Exception('Http request message :'.curl_error($curl));}curl_close($curl);return $result;}

下面我们开始发送请求的封装的一些函数

下面是我们用到的api 接口，根据自己的使用场景来选择api 接口即可。

https://api.mathpix.com/v3/app-tokens //token 使用
https://api.mathpix.com/v3/text
https://api.mathpix.com/v3/latex
https://api.mathpix.com/v3/pdf

对接图片识别的api

这里简单说明一下蹄片识别的情况，图片可以直接用图片地址（必须全路径）作为参数来使用。也可以用过file 文件上传来使用，我这里是直接把本都图片上传到服务器，拿到全路径进行一个post请求,请求结果和参数都在下面函数包含，大家可以看看返回的格式，图片识别一般都是快速响应的，一般都会请求后直接返回一个结果如下代码块的内容。

     * ocr pdf 识别转docx 处理* @param $pdfurl* @return \think\response\Json*/public function mathpixphoto($photo_path="https://mathpix-ocr-examples.s3.amazonaws.com/cases_hw.jpg"){//https://api.mathpix.com/v3/app-tokens//https://api.mathpix.com/v3/text//https://api.mathpix.com/v3/latex//https://api.mathpix.com/v3/pdf//图形转文本实例1$url = 'https://api.mathpix.com/v3/text';$data['src'] = "https://mathpix-ocr-examples.s3.amazonaws.com/cases_hw.jpg";$data['math_inline_delimiters'] = ["$", "$"];$data['rm_spaces'] = true;回调参数如下{"request_id":"2024_01_12_52927e584385e276cc6cg","version":"RSK-M122p1","image_width":850,"image_height":332,"is_printed":false,"is_handwritten":true,"auto_rotate_confidence":1.1920927533992653e-7,"auto_rotate_degrees":0,"confidence":0.9990236759185791,"confidence_rate":0.9990236759185791,"latex_styled":"f(x)=\\left\\{\\begin{array}{ll}\nx^{2} & \\text { if } x<0 \\\\\n2 x & \\text { if } x \\geq 0\n\\end{array}\\right.","text":"$f(x)=\\left\\{\\begin{array}{ll}x^{2} & \\text { if } x<0 \\\\ 2 x & \\text { if } x \\geq 0\\end{array}\\right.$"}图形转文本实例$url = 'https://api.mathpix.com/v3/text';$data['src'] = $path;$data['formats'] = ["text", "data", "html"];$data['data_options']=['include_asciimath'=>true,'include_latex'=>true];回调参数如下(需要转义json) json 解析直接报错，需要转义{"confidence": 0.9982182085336344,"confidence_rate": 0.9982182085336344,"is_printed": false,"is_handwritten": true,"data": [{"type": "asciimath","value": "lim_(x rarr3)((x^(2)+9)/(x-3))"},{"type": "latex","value": "\\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}+9}{x-3}\\right)"}],"html": "<div><span  class=\"math-inline \" >\n<asciimath style=\"display: none;\">lim_(x rarr3)((x^(2)+9)/(x-3))</asciimath><latex style=\"display: none\">\\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}+9}{x-3}\\right)</latex></span></div>\n","text": "\\( \\lim _{x \\rightarrow 3}\\left(\\frac{x^{2}+9}{x-3}\\right) \\)"}$res = $this->api_request_curl($url,$data);return $res;}

对接PDF 识别的api

这里主要和大家说一下pdf 的识别，pdf 我的操作流程是，上传pdf 到服务器或者是oss（阿里），obs（腾讯）、七牛云等一些第三方存储。这样我们拿到一个文件地址（全路径）然后直接发送请求。
pdf 对接官方文档提供了4个步骤，分几个步骤也可以理解毕竟系统识别处理文件也有一个过程，这个就是智者见智。

第一步发送请求

把自己想要ocr 识别的pdf 文件发送给mathpix 告诉对方我要ocr 识别这个文件的内容，请求后会给返回一个pdf_id 或者错误提示，这里我们需要将pdf_id 进行存储，方便处理后面的逻辑。

pdf_id

第二步骤，获取处理的格式以及处理状态

获取转化的状态

“status”:“completed”, 代表完成

第三步骤，获取处理的结果

获取自己第一步需要转化的内容，比如我把pdf 文件需要ocr 识别后转化为docx 或者html 或者zip

“status”:“completed”,代表完成

第四步骤，拿到自己想要的结果进行文件写入。

pdf 转化后的内容写入自己的文件，比如我们需要把数学试卷的pdf 通过ocr api 识别成html 网页格式和docx 格式，一个用于网页展示，一个用于本地文件下载。识别的公式都是可编辑的公式。
*注意这里的返回结果都是已经转化后的内容直接写入就行了。比如html 格式就是html 内容，直接写入即可。docx 格式就是docx 内容直接写入文件就行。（小插曲之前自己搞个phpword 创建写入一直失败，后来写入text 文本发现就是word的源文件格式，真笑了。）

这里我在函数写了一个sleep_pdf_status 意思就是延迟循环查看处理状态可以省掉低二步骤，第三步骤，大家也知道php 的请求延迟最长不超过60s 所以我们通过延迟循环来判断结果这样可以直接写入文件。

sleep_pdf_status

pdf 处理也会返回一个pdf_id 我们可以将该参数进行存储，比如第一次延迟循环返回失败后，在次通过pdf_id获取结果，我测试的基本上一个循环都能成功，也有不成功的，不成功的我们直接重新发起获取结果的函数自己写的就可以了 reissue_pdf_math 这个函数，

reissue_pdf_math

file_put_contents php写入就用该函数就行，下面代码块有

/*** ocr pdf 识别转docx 处理* @param $pdfurl* @return \think\response\Json*/public function mathpixpdf($pdfurl=""){//PDF ocr 识别 第一步 上传$url = 'https://api.mathpix.com/v3/pdf';$data['url'] = "".$pdfurl."";//"https://deyouw.oss-cn-beijing.aliyuncs.com/document/20240115/user_125/57522.pdf";$data['conversion_formats']=['html'=>true,'docx'=>true,'tex.zip'=>true]; $res = $this->api_request_curl($url,$data);$pdf_id = $res['pdf_id'];$res = $this->sleep_pdf_status($pdf_id);return $res;// var_dump($res);// exit;//返回一个pdifid 需要自己记录一下案例如下// {"pdf_id":"2024_01_12_9536370a2434175d0c6dg"}//PDF ocr 识别 第二部，获取转化状态// $url = 'https://api.mathpix.com/v3/pdf/2024_01_15_2cf99221f2144139723fg';// $res = $this->api_request_get($url);// var_dump($res);//返回参数：处理中// {//   "status": "split",//   "num_pages": 9,//   "percent_done": 11.11111111111111,//   "num_pages_completed": 1// }//返回参数：完成// {//     "status":"completed",//     "version":"RSK-P107",//     "input_file":"https://deyouw.oss-cn-beijing.aliyuncs.com/document/20240112/user_125/83323.pdf",//     "num_pages":2,//     "num_pages_pdf":2,//     "num_pages_completed":2,//     "percent_done":100// }//PDF ocr 识别 第三部，获取转化需要的内容// $url = 'https://api.mathpix.com/v3/converter/2024_01_12_9536370a2434175d0c6dg';// $res = $this->api_request_get($url);// 返回相应参数：完成// {//     "status":"completed",//     "version":"RSK-P107",//     "conversion_status":{//         "tex.zip":{//             "status":"completed"//         },//         "docx":{//             "status":"completed"//         }//     }// }// 第四部 -下载所需要的的格式内容html // $url = 'https://api.mathpix.com/v3/converter/2024_01_15_e8b33807c27cb8bf847ag.html';// $text = $this->api_request_get($url); // $filename = "ocr/docx/".time().".html"; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) !== false) {//     return $filename;//     echo "成功将内容写入到html文件中！";// } else {//     return 202;//     echo "无法将内容写入到html文件中。";// }// echo "https://deyouw.com/example.html";// exit;// 第四部 -下载所需要的的格式内容 docx // $time = time().getmyuid();// $url = 'https://api.mathpix.com/v3/converter/'.$pdf_id.'.html';// $text = $this->api_request_get($url); // $filename = "ocr/html/".$time.".html"; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) !== false) {//     $data['html'] =  $filename;//     echo "成功将内容写入到html文件中！";// } else {//     return 202;//     echo "无法将内容写入到html文件中。";// }// sleep(3);// $url = 'https://api.mathpix.com/v3/converter/'.$pdf_id.'.docx';// $text = $this->api_request_get($url); // $filename = "ocr/html/".$time.".docx"; // txt文件名// // 将内容写入到txt文件中// if (file_put_contents($filename, $text) !== false) {//    $data['doc'] =  $filename;//     echo "成功将内容写入到docx文件中！";// } else {//     return 202;//     echo "无法将内容写入到docx文件中。";// }// return $data;// $this->create_word(file_get_contents($filename));// $this->create_word($text);// 返回相应参数：完成// {//     "status":"completed",//     "version":"RSK-P107",//     "conversion_status":{//         "tex.zip":{//             "status":"completed"//         },//         "docx":{//             "status":"completed"//         }//     }// }// $data['formats'] = ["text", "html"]; //text", "html" "latex"// $data['data_options']=['include_asciimath'=>true,'include_latex'=>true];//BASE64 格式// $data['app_id'] = config('mathpix')['app_id'];// $data['app_key'] = config('mathpix')['app_key'];// $res = $this->api_request_curl($url,$data);//r.json()['text']// return $res;}//客户端重新获取public function reissue_pdf_math($pdf_id){return $res = $this->sleep_pdf_status($pdf_id);}//获取内容public function pdf_ocr($pdf_id){$url = 'https://api.mathpix.com/v3/converter/'.$pdf_id;$res = $this->api_request_get($url);$res = json_decode($res,true);return $res;}/***获取转化的状态返回参数*PDF ocr 识别 第三部，获取转化需要的内容*/public function sleep_pdf_status($pdf_id){$status = 0;//循环查找最多响应30秒结束for ($i=0; $i < 10; $i++) { $res = $this->pdf_ocr($pdf_id);if($res == NULL || $res == null || empty($res)){$status = 2;}if(array_key_exists('error', $res)){  $status = 2;}if(array_key_exists('status', $res) && $res['status'] == "completed"){ //完成状态$status = 1;continue;}sleep(3); //秒执行}if($status==1){$url = 'https://api.mathpix.com/v3/converter/'.$pdf_id.'.html';$text = $this->api_request_get($url); if(empty($text)){$res = ['status'=>203,'pdf_id'=>$pdf_id,'msg'=>'相应超时失败，请下次重新请求'];return $res;}$filename = "ocr/html/".time().rand(1111,9999).".html"; // html文件名// 将内容写入到txt文件中if (file_put_contents($filename, $text) !== false) {$data['html'] =  $filename;// echo "成功将内容写入到html文件中！";} else {$data['html'] =  "html转化成功、写入失败";// return 202;// echo "无法将内容写入到html文件中。";}$url = 'https://api.mathpix.com/v3/converter/'.$pdf_id.'.docx';$text2 = $this->api_request_get($url);if(empty($text2)){$res = ['status'=>203,'pdf_id'=>$pdf_id,'msg'=>'相应超时失败，请下次重新请求'];return $res;}$filename = "ocr/html/".time().rand(1111,9999).".docx"; // docx文件名// 将内容写入到txt文件中if (file_put_contents($filename, $text2) !== false) {$data['docx'] =  $filename; // echo "成功将内容写入到docx文件中！";} else {$data['docx'] =  "docx转化成功、写入失败"; // return 202;// echo "无法将内容写入到docx文件中。";}$data['pdf_id']=$pdf_id;$data['status'] = 200;return $data;}else{$res = ['status'=>203,'pdf_id'=>$pdf_id,'msg'=>'相应超时失败，请下次重新请求'];return $res;}}