Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Mistrals OCR-API

Lektion 4 af 16 Opdateret 3. november 2026 Udvikler
På denne side
  1. Et enkelt indgangspunkt
  2. Installation og konfiguration
  3. Kaldparametre
  4. Tre måder at sende et dokument på
  5. Læsning af svaret
  6. Grænser og fejl
  7. Vigtige pointer

Opdateret 2. november 2026 — OCR. OCR 4.0 (mistral-ocr-4-0) blev udfaset den 30. september 2026. Brug OCR 4.1 (mistral-ocr-4-1), som har været generelt tilgængelig siden 31. august til samme pris, eller aliasset mistral-ocr-latest, som har peget på det siden 16. juli. OCR 4.1 tilføjer konfidensscorer på blokniveau. Tillæg 3. november 2026: For at sende en lokal PDF skal du kode den i base64 som {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Typen document_base64, der findes i ældre eksempler, eksisterer hverken i dokumentationen eller i mistralai-SDK’et, og disse eksempler ville være fejlet. Kilder: OCR Processor · Document QnA.

Et enkelt indgangspunkt

Al dokumentudtrækning sker gennem ét enkelt endpoint: /v1/ocr, eller dets modstykke i Python-SDK’et, client.ocr.process(). Uanset om du behandler et foto af en kvittering eller en årsrapport på 800 sider, er kaldet det samme. Denne lektion gennemgår, hvordan du konfigurerer det, de tre måder at sende et dokument til det på, og hvad det returnerer.

Installation og konfiguration

Installationen kræver kun én kommando:

pip install mistralai

Dernæst instansierer du klienten med din API-nøgle:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

Denne fremgangsmåde fungerer til en hurtig test i en notebook, men du risikerer utilsigtet at committe din nøgle. Så snart koden forlader din maskine, skal du bruge en miljøvariabel:

export MISTRAL_API_KEY="your-api-key"
import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

Vi vil bruge denne anden form i alle efterfølgende lektioner.

Kaldparametre

Kaldet client.ocr.process() kræver kun to parametre: model, som altid skal sættes til "mistral-ocr-latest", og document, som beskriver filen, der skal behandles, i en af de tre former, der er detaljeret nedenfor.

Andre parametre justerer outputtet efter dine behov:

  • table_format: Tabelformat (null, "markdown", "html")
  • include_image_base64: True for at modtage billeder i base64
  • bbox_annotation_format: Skema til annotering af bounding boxes
  • document_annotation_format: Skema til fuld dokumentannotering
  • document_annotation_prompt: Overordnede instrukser til annotering

De to første vedrører selve OCR’en, og du vil håndtere dem i de næste lektioner. De sidste tre relaterer sig til annoteringer, som dækkes fra lektion 9; husk blot foreløbig, at de lader dig anmode om struktureret udtrækning i samme kald uden en ekstra rundtur.

Tre måder at sende et dokument på

Den første metode, en offentlig URL, er den mest direkte, når filen allerede er tilgængelig online – f.eks. en offentliggjort rapport eller en vedhæftet fil gemt i en offentlig bucket:

ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "document_url",
        "document_url": "https://example.com/document.pdf"
    }
)

Den anden metode er nødvendig for dokumenter, der befinder sig på din maskine eller i privat lagring. Du koder dem i base64 og sender dem i request-body’en. Dette er standardmetoden for alt fortroligt, da ingen URL behøver at blive eksponeret:

import base64

with open("my_document.pdf", "rb") as f:
    document_base64 = base64.b64encode(f.read()).decode("utf-8")

ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "document_url",
        "document_url": f"data:application/pdf;base64,{document_base64}"
    }
)

Den tredje metode bruger Files API’en. Du uploader filen én gang, henter et ID og refererer derefter til den i dine kald. Fordelen viser sig ved store dokumenter, eller når den samme fil skal behandles flere gange – en OCR-udtrækning i dag, en annotering med et andet skema i morgen: du undgår at overføre 40 MB ved hvert forsøg.

# Upload filen
uploaded_file = client.files.upload(
    file=open("my_document.pdf", "rb"),
    purpose="ocr"
)

# Brug den uploadede fil
ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "file_id",
        "file_id": uploaded_file.id
    }
)

Læsning af svaret

Svaret eksponerer en liste over sider, og hver side bærer sit indhold sammen med sine metadata. En minimal løkke er nok til at verificere, at udtrækningen er gået gnidningsfrit:

for page in ocr_response.pages:
    print(f"Page {page.index}")
    print(f"Content: {page.markdown[:200]}...")
    print(f"Images: {len(page.images)} found")
    print(f"Header: {page.header}")
    print(f"Footer: {page.footer}")
    print(f"Dimensions: {page.dimensions}")

Gør det til en vane at køre denne type løkke på et eksempeldokument, før du industrialiserer noget: det fortæller dig på tre sekunder, om sidetallet stemmer, om billeder blev registreret, og om sidehoveder er korrekt isoleret fra brødteksten.

Grænser og fejl

Tre begrænsninger styrer brugen: maksimalt 50 MB pr. fil, 1.000 sider pr. dokument og inputformaterne PDF, PNG, JPEG, AVIF, PPTX og DOCX. Derudover kommer rate limiting med en tærskel, der afhænger af dit abonnementsniveau – et punkt du skal tjekke før massiv parallelisering, ellers risikerer du at få afvist dine kald i en byge.

Disse grænser manifesterer sig, ligesom netværkshændelser, som undtagelser, som du skal fange. Et batch-job, der stopper ved faktura nummer 300, fordi én fil overskrider den tilladte størrelse, er en undgåelig tidsspilde:

from mistralai.client import Mistral
from mistralai.client.errors import SDKError

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

try:
    ocr_response = client.ocr.process(
        model="mistral-ocr-latest",
        document={
            "type": "document_url",
            "document_url": "https://example.com/document.pdf"
        }
    )
except SDKError as e:
    print(f"API Error: {e.status_code} - {e.message}")
except Exception as e:
    print(f"Unexpected error: {e}")

Det er nyttigt at skelne mellem de to undtagelsesniveauer: SDKError giver dig en statuskode, hvorpå du kan beslutte, om du skal forsøge igen – en 429 skal forsøges igen efter en forsinkelse, en 400 aldrig – mens den generelle blok fanger lokale problemer, såsom en manglende fil eller umulig kodning.

Vigtige pointer

  • OCR-endpointet er client.ocr.process() med modellen mistral-ocr-latest
  • Tre sendemetoder: offentlig URL, base64, uploadet fil
  • Valgfrie parametre styrer tabelformat og inkludering af billeder
  • Svaret er struktureret side for side med Markdown, billeder og metadata
  • Overhold grænserne på 50 MB og 1.000 sider pr. dokument