Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

API OCR Mistral

Lekcija 4 od 16 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Ena sama vstopna točka
  2. Namestitev in konfiguracija
  3. Parametri klica
  4. Trije načini pošiljanja dokumenta
  5. Branje odgovora
  6. Omejitve in napake
  7. Ključne ugotovitve

Posodobljeno 2. novembra 2026 — OCR. Različica OCR 4.0 (mistral-ocr-4-0) je bila ukinjena 30. septembra 2026. Uporabljaj OCR 4.1 (mistral-ocr-4-1), ki je splošno dostopen od 31. avgusta po enaki ceni, ali vzdevek mistral-ocr-latest, ki kaže nanj od 16. julija. OCR 4.1 dodaja ocene zanesljivosti na ravni blokov. Dodatek 3. novembra 2026: Za pošiljanje lokalnega PDF-ja ga kodiraj v base64 kot {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Tip document_base64, ki ga najdeš v starejših primerih, ne obstaja v dokumentaciji ali SDK-ju mistralai, ti primeri pa bi spodleteli. Viri: OCR Processor · Document QnA.

Ena sama vstopna točka

Vsa ekstrakcija dokumentov poteka prek ene same končne točke: /v1/ocr ali njenega ekvivalenta v Python SDK-ju, client.ocr.process(). Ne glede na to, ali obdeluješ fotografijo računa ali 800-stransko letno poročilo, je klic enak. Ta lekcija podrobno opisuje, kako ga konfigurirati, tri načine posredovanja dokumenta in kaj vrne.

Namestitev in konfiguracija

Namestitev zahteva samo en ukaz:

pip install mistralai

Nato inicializiraj odjemalca s svojim API ključem:

from mistralai.client import Mistral

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

Ta pristop deluje za hiter test v zvezku, vendar tvegaš, da boš pomotoma objavil svoj ključ. Takoj ko koda zapusti tvoj računalnik, uporabi spremenljivko okolja:

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

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

V vseh naslednjih lekcijah bomo uporabljali to drugo obliko.

Parametri klica

Klic client.ocr.process() zahteva le dva parametra: model, ki je vedno nastavljen na "mistral-ocr-latest", in document, ki opisuje datoteko za obdelavo v eni od treh spodaj podrobnih oblik.

Drugi parametri prilagodijo izhod tvojim potrebam:

  • table_format: Oblika tabele (null, "markdown", "html")
  • include_image_base64: True za prejemanje slik v base64
  • bbox_annotation_format: Shema anotacij omejevalnih okvirjev
  • document_annotation_format: Shema anotacij celotnega dokumenta
  • document_annotation_prompt: Navodila visoke ravni za anotacijo

Prva dva se nanašata na sam OCR, obravnavala ju boš v naslednjih lekcijah. Zadnja tri se nanašajo na anotacije, ki so pokrite od 9. lekcije naprej; za zdaj si le zapomni, da ti omogočajo zahtevati strukturirano ekstrakcijo v istem klicu, brez dodatnega kroga komunikacije.

Trije načini pošiljanja dokumenta

Prvi, javni URL, je najbolj neposreden, ko je datoteka že dostopna na spletu – objavljeno poročilo, priloga, shranjena v javnem vsebniku:

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

Drugi je potreben za dokumente, ki živijo na tvojem računalniku ali v zasebnem shrambi. Kodiraš jih v base64 in pošlješ v telesu zahteve. To je privzeta metoda za vse zaupno, saj ni treba razkriti nobenega URL-ja:

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}"
    }
)

Tretji uporablja Files API. Datoteko enkrat naložiš, pridobiš ID in ga nato uporabiš v svojih klicih. Prednost se pokaže pri velikih dokumentih ali ko je treba isto datoteko obdelati večkrat – ekstrakcija OCR danes, anotacija z drugačno shemo jutri: pri vsakem poskusu ne prenašaš ponovno 40 MB.

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

# Uporabi naloženo datoteko
ocr_response = client.ocr.process(
    model="mistral-ocr-latest",
    document={
        "type": "file_id",
        "file_id": uploaded_file.id
    }
)

Branje odgovora

Odgovor razkrije seznam strani, pri čemer vsaka stran nosi svojo vsebino skupaj s metapodatki. Za preverjanje, ali je ekstrakcija potekala gladko, zadostuje minimalna zanka:

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}")

Naj ti bo v navado, da tovrstno zanko zaženeš na vzorčnem dokumentu, preden karkoli industrializiraš: v treh sekundah ti pove, ali se število strani ujema, ali so bile zaznane slike in ali so glave pravilno ločene od besedila telesa.

Omejitve in napake

Uporabo urejajo tri omejitve: največ 50 MB na datoteko, 1.000 strani na dokument in vhodne oblike PDF, PNG, JPEG, AVIF, PPTX in DOCX. Poleg tega pride še omejevanje hitrosti (rate limiting) s pragom, ki je odvisen od tvoje naročniške stopnje – to preveri pred množično paralelizacijo, sicer tvegaš, da bodo tvoji klici v valu zavrnjeni.

Te omejitve se tako kot omrežne incidente kažejo kot izjeme, ki jih moraš ujeti. Serijsko opravilo, ki se ustavi pri računu številka 300, ker ena datoteka presega dovoljeno velikost, je izogljiva izguba časa:

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}")

Razlikovanje med dvema ravnema izjem je koristno: SDKError ti poda kodo stanja, na podlagi katere se odločiš, ali poskusiti znova – 429 bi moral poskusiti znova po zamiku, 400 nikoli –, medtem ko splošni blok zajame lokalne težave, kot sta manjkajoča datoteka ali nemogoče kodiranje.

Ključne ugotovitve

  • Končna točka OCR je client.ocr.process() z modelom mistral-ocr-latest
  • Tri metode pošiljanja: javni URL, base64, naložena datoteka
  • Izbirni parametri nadzorujejo obliko tabel in vključitev slik
  • Odgovor je strukturiran stran za stranjo z Markdownom, slikami in metapodatki
  • Upoštevaj omejitvi 50 MB in 1.000 strani na dokument