本文介绍如何借助azure document intelligence的布局分析（layout analysis）能力，准确识别并提取pdf表单中已勾选的单选按钮，解决传统ocr（如pytesseract、pdfplumber）无法区分“选中”与“未选中”状态的痛点。
本文介绍如何借助azure document intelligence的布局分析（layout analysis）能力，准确识别并提取pdf表单中已勾选的单选按钮，解决传统ocr（如pytesseract、pdfplumber）无法区分“选中”与“未选中”状态的痛点。
在处理结构化PDF表单（如调查问卷、体检报告、考试答题卡）时，仅提取文本远远不够——关键是要判断用户实际选择了哪个选项。传统OCR工具（如pytesseract、pdfplumber或pdfminer）本质上是面向文本的，它们能识别字符，但无法理解图形语义：一个实心圆点（●）和空心圆圈（○）在像素层面只是不同灰度的图案，缺乏语义标注，因此极易漏判或误判选中状态。
Azure Document Intelligence（原Form Recognizer）提供了专门针对此场景的解决方案。其Layout Analysis API不仅执行OCR，还同步解析文档的视觉结构，包括表格、段落、标题，并显式识别表单控件（radio buttons、checkboxes）及其选择状态。它将每个单选按钮建模为带kind: "radioButton"属性的对象，并通过isSelected: true/false字段直接返回逻辑状态，无需人工阈值判断或图像形态学处理。
✅ 示例调用（Python）：
AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序，基于浩创云、ThinkPHP（PHP）开发，支持微信服务号与 H5 端，适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。
from azure.ai.formrecognizer import DocumentAnalysisClient
from azure.core.credentials import AzureKeyCredential
endpoint = "https://<your-region>.api.cognitive.microsoft.com/"
key = "<your-key>"
document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open("form_with_radios.pdf", "rb") as f:
poller = document_analysis_client.begin_analyze_document(
"prebuilt-layout", document=f
)
result = poller.result()
for field in result.fields.values():
if field.kind == "radioButton":
print(f"Radio Button ID: {field.field_name or 'N/A'}, "
f"Selected: {field.is_selected}, "
f"Confidence: {field.confidence:.2f}")⚠️ 注意事项：
- 需提前在Azure门户创建Document Intelligence资源，获取endpoint和key；
- 免费层支持每月1000次分析调用，适合验证与小规模处理；
- PDF需为扫描版（图像型）或含嵌入字体的文本型，纯矢量图形且无文字轮廓的PDF可能影响识别精度；
- 对于自定义样式（如方形按钮、手绘标记），建议结合prebuilt-document模型或微调自定义模型提升鲁棒性。
总结而言，识别PDF单选按钮的核心不在于“更准的OCR”，而在于“结构化语义理解”。Azure Document Intelligence Layout模型将视觉识别与表单语义深度融合，让“提取选中项”从繁琐的图像处理脚本，转变为一行field.is_selected的可靠布尔判断——这是专业表单自动化不可替代的技术路径。
