uni-app怎么实现文字识别OCR uni-app接入百度AI识别接口实战

uni-app调用百度OCR必须经自有服务器中转，因百度强制校验Referer、Origin及access_token（需client_id+client_secret换取且不可暴露前端）；后端需实现token缓存、图片转发与错误透传，并校验文件大小（≤4MB）和格式（jpg/jpeg/png/bmp）。

uni-app 调用百度 OCR 接口必须走自己服务器中转

直接在 uni-app 前端调用百度 AI 的 https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic 会失败——不是跨域问题，而是百度强制校验 Referer 和 Origin，且要求携带有效的 access_token，而该 token 必须用 client_id + client_secret 向百度后端换取，密钥绝不能暴露在前端。

所以真实链路是：uni-app → 你自己的后端接口（如 /api/ocr/baidu） → 百度 OCR 接口。这个后端必须完成：token 缓存、图片 base64 或二进制转发、错误透传。

• 别试 uni.request 直连百度接口，必返回 {"error_code":110,"error_msg":"Access token invalid or no longer valid"}
• token 有效期 30 天，但百度建议每 2 小时刷新一次并本地缓存，避免并发请求重复获取
• 你的后端需校验上传文件大小（百度限制单图 ≤ 4MB）、格式（jpg/jpeg/png/bmp），否则直接返回错误，别让前端猜原因

uni-app 端如何安全上传图片给自己的 OCR 接口

用户拍照或选图后，不能直接把 tempFilePath 发过去——它只是本地临时路径。得先用 uni.uploadFile 上传二进制流，或手动读取为 base64（注意体积翻倍）。

推荐用二进制上传，更省流量、兼容性更好：

uni.uploadFile({  url: 'https://your-api.com/api/ocr/baidu',  filePath: tempFilePath,  name: 'image',  header: { 'Authorization': 'Bearer xxx' }, // 如需鉴权  success: (res) => {    const data = JSON.parse(res.data);    console.log(data.words_result); // 百度返回的识别结果数组  }});

• name: 'image' 必须和你后端 req.files.image（Express）或 request.files['image']（Koa）字段名一致
• 别用 uni.chooseImage 的 sizeType: ['compressed']，压缩可能导致文字模糊，OCR 准确率断崖下跌
• Android 上部分机型拍完照返回的 tempFilePath 是 file:// 协议，uploadFile 不支持，得先用 uni.getFileSystemManager().readFile 读成 base64 再发，或换用 uni.chooseMedia（uni-app 3.0+）

后端处理 OCR 请求时最容易漏掉的三件事

很多开发者卡在“明明 token 有了、图片传了，但百度返回空结果或 17/18 错误码”，大概率是后端没做这几步：

• 百度要求 POST body 是 form-data，且图片字段必须叫 image（base64）或 file（二进制），不能是自定义名；若传 base64，值要带前缀 data:image/jpg;base64,xxx
• 请求头必须加 Content-Type: multipart/form-data; boundary=xxx（axios 会自动设，但原生 fetch 不会），否则百度当无效请求
• 百度对图片尺寸有隐式要求：宽高均需 ≥ 15px，≤ 8192px；长边 > 4096px 时可能截断，建议前端上传前用 uni.canvasToTempFilePath 或后端用 sharp 缩放，别硬传超大图

识别结果解析要注意中文标点和空格陷阱

百度 OCR 返回的 words_result 是按行返回的数组，每项含 words（字符串）和 location（坐标）。但实际文本里常混着全角空格、零宽空格、软回车，甚至识别错的“Ｏ”（全角字母 O）当成“0”。

• 别直接 result.join('') 拼接，试试 result.map(i => i.words).join('n') 保留换行逻辑
• 遇到“识别出一串乱码但坐标连贯”，大概率是图片倾斜或反光，百度没做矫正，得前端提示用户重拍
• 如果业务需要结构化提取（比如发票号、金额），别依赖固定下标，用正则匹配 + location.left 辅助判断位置关系，比纯文本容错更强

OCR 不是黑盒魔法，输入质量、坐标理解、后处理规则，哪一环松动都会让结果偏移。尤其在低端安卓机上，预览画面变形、闪光灯干扰、焦距不准，这些物理层问题，代码再怎么写都兜不住。