OCR Extractor

Descripcion

El modulo OCR Extractor utiliza la libreria Tesseract.js para extraer texto de imagenes. Soporta multiples idiomas y funciona con formatos de imagen comunes como JPG, PNG, etc. Es ideal para automatizar la lectura de facturas, albaranes, documentos escaneados, o cualquier imagen que contenga texto. La ruta de la imagen puede venir de la configuracion del nodo o del data de entrada del workflow.

Configuracion

Parametro	Tipo	Requerido	Descripcion
imagePath	text	Si	Ruta local de la imagen a analizar (ej: uploads/foto.jpg)
lang	text	No	Idioma del texto en la imagen. Ejemplo: ‘spa’ para espanol, ‘eng’ para ingles (por defecto: spa)
persistent	boolean	No	Propaga el data de entrada junto con el resultado

Salida

{
  "nextModule": "siguiente_modulo",
  "data": {
    "content": "Texto extraido de la imagen mediante OCR..."
  }
}

Ejemplo de Uso

Caso basico

{
  "imagePath": "/uploads/factura_001.jpg",
  "lang": "spa"
}

Usando ruta del data

{
  "imagePath": "",
  "lang": "eng",
  "persistent": true
}

En este caso, la ruta se tomara de data.imagePath o data.filePath.

Notas

• La ruta de la imagen se busca en este orden: config.imagePath, data.imagePath, data.filePath
• Si el archivo no existe en la ruta especificada, el modulo retorna error
• Idiomas soportados: spa (espanol), eng (ingles), fra (frances), deu (aleman), entre otros (ver documentacion de Tesseract)
• El texto extraido se devuelve limpio (sin espacios al inicio/final) en el campo content
• Si persistent esta activo, los datos de entrada se conservan junto con el resultado
• La precision del OCR depende de la calidad de la imagen
• No requiere credenciales

Nodos Relacionados

• PDF Extractor - Extraer texto de PDFs
• Read Excel - Leer datos de archivos Excel