把文档变成可核对数据的日语 OCR
用 space-ocr 读取日语票据、发票和送货单：混合文字、全角与竖排、不乱码的中日韩安全 CSV，值在 data.values，位置在 data.cells，需要复核的项列在 data.review.flagged。
日语是普通 OCR 悄悄崩掉的地方。一张票据里混着汉字、假名、半角片假名、全角数字，偶尔还有一段英文，而合计可能竖排在右边缘的一列里。大多数工具要么先让你选语言，要么返回一团丢了版面的扁平文本。真正有用的日语 OCR 必须一次读完这些，并告诉你每个数字来自哪里。
space-ocr 两件事都做。它读 JP 文档，把结构化字段放进 data.values，并把每个值连同它在页面上被读取的确切位置一起返回——data.cells[path] 里有框、四点 quad、判定和依据。没有通过核对的值会作为工作清单出现在 data.review.flagged 里，所以你看的是一条短队列，而不是重读整页。没有语言设置要选，日语、韩语、中文、英文由一个引擎一起处理。
看一次你可以亲自核对的真实日语提取
把鼠标悬停在下方任意字段上。这里读的两张票据是真实数据——合计 2,045 的 KINSHO 布施店和合计 4,286 的 ライフ 国分店，都是 2019 年 8 月的日期。每个值和框都直接读自一次真实的解析结果，而不是摆拍，框会跟随每一行混着汉字、假名和数字的文本。行旁边的字符匹配数值是辅助依据，不是及格线。
Each value with a box carries a verified on-page location — in data.cells[path], that is box + 4-point quad + evidence.match_ratio — on a 0–1000 normalized grid (0,0 top-left → 1000,1000 bottom-right), the same shape the live API returns. Hover a field to trace it back to the pixels it came from.
space-ocr 里的日语 OCR 如何工作
模型不产出坐标。它读文档、返回值，然后由字符匹配器把这些字符与 OCR 在页面上真正检测到的符号比对，这次比对产出框、quad 和每个单元格旁边的依据。verified 是与 review 互为镜像的判定：只要挂上任何理由就是 false，比对跑过且没有任何标记是 true，没有可比对的东西则是 null。字符比对本身在 evidence.text_match，而 evidence.match_ratio 给出字符覆盖率，属于辅助依据而非及格线。两个引擎仍可能在同一个误读上达成一致，所以这条队列告诉你先看哪里，并不是保证。
把 PDF 拖进应用，每一页会先被渲染成图片再读取——对多页发票和送货单很方便。直接调用 API 时，用 URL 或 base64 发送栅格页面图片，返回的结构化结果一样。声明你需要的 fields，或发送 autoFields: true 让响应替你提议；明细行用带 children 的 array 字段描述，路径写作 items[0].amount。
声明在提取之后才检查，也从不传给模型，因此它改变的是复核信号而不是读数。type: "date" 增加一层确定性的 data.normalized——令和8年8月16日 解析为 2026-08-16，而 data.values 保留印刷原样；type: "number" 把 ¥13,220 变成 13220。pattern 针对折成半角后的值比对，所以全角印刷的登记号也能用 ^T[0-9]{13}$ 匹配。对日本单据常见的当事人混淆，可以给收件方声明 near 词汇 御中 或 様，并把 登録番号 / TEL / 〒 声明为 not_near：选错的值就不会悄悄通过，而是以 near_mismatch 或 near_conflict 显示出来。数量栏的 一式、付款期限的 翌月末払い 这类本来就印成非数值写法的字段，留作 string 更好——一旦声明类型，正确的单据每次都会进复核清单。
curl -s https://api.space-ocr.com/ocr/fields \
-H "Authorization: Bearer $SPACE_OCR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"image": "https://example.com/invoice-jp.jpg",
"imageType": "url",
"fields": [
{ "name": "issuer", "type": "string", "required": true,
"near": ["登録番号", "TEL", "〒"] },
{ "name": "bill_to", "type": "string",
"near": { "terms": ["御中", "様"], "match": "suffix" },
"not_near": ["登録番号", "TEL"] },
{ "name": "registration_no", "type": "string", "pattern": "^T[0-9]{13}$" },
{ "name": "issue_date", "type": "date", "required": true },
{ "name": "total", "type": "number", "required": true, "min": 0 },
{ "name": "items", "type": "array", "children": [
{ "name": "name", "type": "string" },
{ "name": "qty", "type": "string" },
{ "name": "amount", "type": "number" }
] }
]
}'如何对日语文档做 OCR
- 添加你的文档在应用中拖入票据、发票或 PDF——每一页会被渲染成图片并排队 OCR。使用 API 时，把栅格页面图片（url 或 base64）发送到 /ocr/fields。没有语言设置。
- 声明你的字段列出你需要的 fields，或发送 autoFields: true 让响应提议一份 schema。明细行表格用带 children 的 array 字段，并在单据支持该规则的地方加上 type、pattern、near 或 not_near。
- 读取结构化结果业务数据留在 data.values。data.cells[path] 带着 box、quad、verified、review 和 evidence；data.image 是这些坐标的量度基准；data.normalized 存放已声明标量字段解析出的日期和数字。
- 处理复核队列遍历 data.review.flagged。每一项有 path，以及按排名排列、首项为主要理由的 reasons 数组，flagged.length 就是需要处理的数量。打开对应的单元格即可高亮该值被读取的区域。
- 导出或查询下载 CSV（UTF-8 BOM，日语能干净打开，明细行已展开），或用 GET /view 配合 where、sort、select 读取已存储的表格——读取已存的行不会重跑 OCR，GET /view 也不计费。
简单、可预期的定价
1 点数 = 1 页 = $0.05（含税），每月 100 点数免费，无需信用卡。失败不计费。套餐计划增加每月点数、更多表格和存储空间。