Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Mistral OCR API

Lektion 4 av 16 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. En enda ingångspunkt
  2. Installation och konfiguration
  3. Anropsparametrar
  4. Tre sätt att skicka ett dokument
  5. Läsa svaret
  6. Gränser och fel
  7. Viktiga punkter

Uppdaterad 2 november 2026 — OCR. OCR 4.0 (mistral-ocr-4-0) togs ur bruk den 30 september 2026. Använd OCR 4.1 (mistral-ocr-4-1), som har varit allmänt tillgänglig sedan 31 augusti till samma pris, eller aliaset mistral-ocr-latest, som har pekat på den sedan 16 juli. OCR 4.1 lägger till konfidenspoäng på blocknivå. Tillägg 3 november 2026: För att skicka en lokal PDF kodar du den i base64 som {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Typen document_base64 som förekommer i äldre exempel finns varken i dokumentationen eller i SDK:t mistralai, och dessa exempel skulle ha misslyckats. Källor: OCR Processor · Document QnA.

En enda ingångspunkt

All dokumentextrahering sker via en enda slutpunkt: /v1/ocr, eller dess motsvarighet i Python SDK:t, client.ocr.process(). Oavsett om du bearbetar ett foto på ett kvitto eller en årsredovisning på 800 sidor är anropet detsamma. I denna lektion går vi igenom hur du konfigurerar det, de tre sätten att skicka ett dokument till det och vad det returnerar.

Installation och konfiguration

Installationen kräver bara ett kommando:

pip install mistralai

Initiera sedan klienten med din API-nyckel:

from mistralai.client import Mistral

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

Denna metod fungerar för ett snabbt test i en notebook, men det finns en risk att du av misstag checkar in din nyckel. Så snart koden lämnar din maskin bör du använda en miljövariabel:

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

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

Vi kommer att använda denna andra form i alla efterföljande lektioner.

Anropsparametrar

Anropet client.ocr.process() kräver endast två parametrar: model, som alltid ska sättas till "mistral-ocr-latest", och document, som beskriver filen som ska bearbetas enligt ett av de tre sätten som detaljeras nedan.

Andra parametrar justerar utdata efter dina behov:

  • table_format: Tabellformat (null, "markdown", "html")
  • include_image_base64: True för att ta emot bilder i base64
  • bbox_annotation_format: Schema för annotering av begreppsramar (bounding box)
  • document_annotation_format: Schema för fullständig dokumentannotering
  • document_annotation_prompt: Instruktioner på hög nivå för annotering

De två första gäller själva OCR-processen och du kommer att hantera dem i nästa lektioner. De tre sista rör annoteringar, som behandlas från och med lektion 9; kom just nu bara ihåg att de låter dig begära strukturerad extrahering i samma anrop, utan en andra omgång.

Tre sätt att skicka ett dokument

Det första sättet, en offentlig URL, är det mest direkta när filen redan är tillgänglig online – en publicerad rapport eller en bilaga lagrad i en offentlig bucket:

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

Det andra sättet är nödvändigt för dokument som finns på din maskin eller i privat lagring. Du kodar dem i base64 och skickar dem i begärandets innehåll. Detta är standardmetoden för allt konfidentiellt, eftersom ingen URL behöver exponeras:

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}"
    }
)

Det tredje sättet använder Files API. Du laddar upp filen en gång, hämtar ett ID och refererar sedan till det i dina anrop. Fördelen visar sig vid stora dokument, eller när samma fil måste bearbetas flera gånger – en OCR-extrahering idag, en annotering med ett annat schema imorgon: du behöver inte överföra 40 MB vid varje försök.

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

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

Läsa svaret

Svaret exponerar en lista över sidor, och varje sida bär på sitt innehåll tillsammans med sin metadata. En minimal loop räcker för att verifiera att extraheringen gick smidigt:

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}")

Gör det till en vana att köra den här typen av loop på ett provdokument innan du industrialiserar något: det berättar inom tre sekunder om sidantalet stämmer, om bilder har upptäckts och om sidhuvuden är korrekt isolerade från brödtexten.

Gränser och fel

Tre begränsningar styr användningen: maximalt 50 MB per fil, 1 000 sidor per dokument och indataformaten PDF, PNG, JPEG, AVIF, PPTX och DOCX. Därtill kommer hastighetsbegränsningar (rate limiting), med en tröskel som beror på din prenumerationsnivå – en punkt att kontrollera innan massiv parallellisering, annars riskerar du att dina anrop avvisas i en burst.

Dessa gränser, liksom nätverksincidenter, manifesteras som undantag som du måste fånga. Ett batchjobb som stoppar vid faktura nummer 300 för att en fil överskrider den tillåtna storleken är en onödig tidsspill:

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 är användbart att skilja mellan de två undantagsnivåerna: SDKError ger dig en statuskod att basera beslutet på om du ska försöka igen – en 429 ska försökas igen efter en fördröjning, en 400 aldrig – medan det generella blocket fångar lokala problem, som en saknad fil eller omöjlig kodning.

Viktiga punkter

  • OCR-slutpunkten är client.ocr.process() med modellen mistral-ocr-latest
  • Tre sändningsmetoder: offentlig URL, base64, uppladdad fil
  • Valfria parametrar styr tabellformat och bildinkludering
  • Svaret är strukturerat sida för sida med Markdown, bilder och metadata
  • Respektera gränserna på 50 MB och 1 000 sidor per dokument