GLM-OCR Node.js环境配置与调用实战你是不是遇到过这样的场景产品经理甩过来一堆合同扫描件让你把里面的关键信息提取出来做成表格或者运营同学需要把活动海报上的文字扒下来做数据分析。手动复制粘贴眼睛都要看花了。这时候一个能自动识别图片文字的OCR工具简直就是救命稻草。GLM-OCR就是一个不错的选择识别准确率挺高而且有现成的API可以调用。但光有后端API还不够我们前端或者全栈同学得知道怎么在自己的Node.js环境里把它用起来。今天我就带你走一遍完整的流程从配环境到写代码调用手把手教你搭建一个轻量级的文档解析小工具。学完这篇你就能掌握怎么用Node.js快速调用GLM-OCR服务把图片里的文字变成结构化的数据省下大量手动处理的功夫。1. 先把Node.js环境准备好工欲善其事必先利其器。咱们的第一步就是把Node.js和包管理工具npm或者yarn给装好。别担心这个过程很简单。1.1 安装Node.js和npmNode.js的安装包已经把npm捆绑在一起了所以装一个就行。我强烈建议你使用Node.js的长期支持版LTS稳定性好兼容性也强适合做项目开发。对于Windows和macOS用户最省心的办法就是去Node.js的官网找到“LTS”版本的下载按钮。下载下来的是一个安装程序双击运行基本上一直点“下一步”就能搞定。安装程序会自动帮你配置好环境变量。装完之后怎么验证呢打开你的命令行工具Windows上是CMD或PowerShellmacOS上是终端Terminal输入下面两条命令node -v npm -v如果安装成功你会看到类似v18.18.0和9.8.1这样的版本号输出。能看到版本号就说明环境没问题了。对于macOS用户还有一个选择如果你习惯用包管理器可以通过Homebrew来安装命令更简洁brew install node一个小建议如果你未来可能会在不同项目间切换需要用到多个Node.js版本可以了解一下nvmNode Version Manager或者fnmFast Node Manager这类工具。它们能让你在一台电脑上轻松安装和切换多个Node.js版本特别方便。不过对于咱们这次的学习直接用官方安装包就足够了。1.2 初始化你的项目环境好了我们得找个地方写代码。首先创建一个属于我们这个OCR工具的项目文件夹。打开命令行进入你平时存放代码的目录然后执行mkdir glm-ocr-demo cd glm-ocr-demo这行命令创建了一个叫glm-ocr-demo的文件夹并进入它。接下来我们要在这个文件夹里初始化一个Node.js项目。运行npm init -y这个-y参数的意思是“全部同意默认选项”它会快速生成一个package.json文件里面记录了项目的基本信息和我们后面要安装的依赖包。现在你的项目架子就搭好了。2. 安装必要的工具包我们的目标是调用一个HTTP API所以需要两个帮手一个用来发送网络请求另一个用来处理包含文件上传的特殊表单数据。在项目根目录下运行这条安装命令npm install axios form-data简单解释一下这两个包是干嘛的axios这是一个非常流行、好用的HTTP客户端库。用它来发请求比Node.js原生的http模块要简单直观得多功能也更强比如自动转换JSON数据。form-dataGLM-OCR的图片识别接口通常需要我们以“表单数据”的形式上传图片文件。这个库能帮我们轻松构建这种格式的请求体。安装完成后你会看到项目里多了一个node_modules文件夹存放所有安装的包并且package.json文件里也多了一个“dependencies”字段里面记录了刚装的这两个包和它们的版本。3. 编写调用OCR API的核心代码环境、工具都齐活了现在来写最关键的代码部分。我们会在项目里创建一个主要的JavaScript文件。在glm-ocr-demo文件夹里新建一个文件就叫index.js吧。然后用你喜欢的代码编辑器比如VSCode打开它。3.1 引入我们安装的包在文件的开头先把我们要用到的模块引进来const axios require(axios); const FormData require(form-data); const fs require(fs); const path require(path);这里除了axios和form-data我们还引入了Node.js自带的fs文件系统模块和path路径模块。因为我们需要从本地读取图片文件fs模块就是干这个的path模块则能帮我们更好地处理文件路径避免一些兼容性问题。3.2 准备调用参数调用API我们需要两样东西API的访问地址URL和你的认证密钥。通常密钥像是你的个人密码需要放在请求头里传给服务端进行校验。// 替换为你的实际API地址和密钥 const API_URL https://your-glm-ocr-api-endpoint.com/v1/ocr; const API_KEY your-secret-api-key-here;请注意这里的API_URL和API_KEY都是占位符。你需要去GLM-OCR服务的提供方那里获取真实的地址和密钥。千万不要把你的真实密钥直接提交到公开的代码仓库如GitHub这非常危险。在实际项目中你应该使用环境变量来管理这些敏感信息例如# 在命令行中设置临时 export GLM_OCR_API_KEYyour-real-key然后在代码中通过process.env.GLM_OCR_API_KEY来读取。3.3 构建一个识别图片的函数我们来封装一个主要的函数它负责完成“读取图片 - 构建请求 - 调用API - 返回结果”这一系列操作。使用async/await语法会让异步代码看起来像同步代码一样清晰。async function recognizeImage(imagePath) { // 1. 创建FormData对象用于模拟网页表单上传文件 const form new FormData(); // 2. 读取本地图片文件并添加到表单中 // 这里的‘image’字段名需要根据OCR API的具体要求来定常见的有‘image’, ‘file’, ‘img’等 const imageStream fs.createReadStream(path.resolve(imagePath)); form.append(image, imageStream); // 3. 准备请求配置 const config { headers: { // 将FormData自动生成的头部信息包含边界标识合并进去 ...form.getHeaders(), // 添加认证头这里以‘Authorization’为例具体字段名需查看API文档 Authorization: Bearer ${API_KEY} }, // 设置超时时间避免网络不佳时长时间等待 timeout: 30000 // 30秒 }; console.log(正在识别图片: ${imagePath}...); try { // 4. 发送POST请求 const response await axios.post(API_URL, form, config); // 5. 处理成功的响应 console.log(识别成功); // 通常OCR API会返回一个JSON其中包含识别出的文本、文字位置等信息 return response.data; } catch (error) { // 6. 处理请求失败或API返回错误 console.error(识别过程中发生错误:); if (error.response) { // 请求已发出但服务器响应了错误状态码如4xx, 5xx console.error(状态码: ${error.response.status}); console.error(错误信息: ${JSON.stringify(error.response.data)}); } else if (error.request) { // 请求已发出但没有收到响应网络问题 console.error(未收到响应请检查网络或API地址。); } else { // 在设置请求时发生了错误 console.error(请求配置错误: ${error.message}); } // 抛出错误让调用者知道失败了 throw error; } }这个函数干了这么几件事创建了一个表单FormData这是上传文件的标准方式。用fs.createReadStream流式读取你指定的图片文件并把它挂载到表单的‘image’字段下。配置请求头其中包含了表单类型和你的认证密钥。使用axios.post发送请求并await等待结果。成功拿到结果后将API返回的JSON数据直接返回。用try...catch包裹起来优雅地处理可能出现的各种错误比如网络问题、密钥错误、图片格式不对等并给出清晰的错误提示。3.4 让它跑起来写主程序函数定义好了我们写一段代码来真正使用它。假设你项目文件夹里有一张名叫sample-invoice.jpg的发票图片。// 主执行函数 (async () { try { // 指定你要识别的图片路径 const imagePath ./sample-invoice.jpg; // 请确保这个图片文件存在 // 调用OCR识别函数 const result await recognizeImage(imagePath); // 打印出完整的识别结果看看API返回了什么 console.log(\n--- 完整的OCR识别结果 ---); console.log(JSON.stringify(result, null, 2)); // 用缩进格式美化输出 // 通常我们需要从结果里提取出纯文本 console.log(\n--- 提取出的文本内容 ---); // 这里需要根据API返回的实际数据结构来提取文本 // 例如如果返回格式是 { text: “识别出的文字” } if (result.text) { console.log(result.text); } // 或者如果返回的是带位置信息的行列表 { lines: [ { text: “...” }, ...] } else if (result.lines Array.isArray(result.lines)) { const fullText result.lines.map(line line.text).join(\n); console.log(fullText); } else { console.log(未能从结果中找到标准的文本字段请检查API返回的数据结构。); } } catch (error) { console.error(主程序执行失败:, error.message); // 可以根据错误类型给出更友好的提示或进行重试等操作 } })();这段代码放在文件最后。它用一个“立即执行的异步函数”包裹起来这样我们才能在顶层使用await。它指定了要识别的图片路径。调用我们刚才写的recognizeImage函数。把识别结果一个JSON对象漂亮地打印出来让你看清所有信息。尝试从结果中提取出拼接好的纯文本。注意不同的OCR API返回的数据结构可能不同你需要根据GLM-OCR实际的返回格式来调整result.text或result.lines这些字段的访问方式。查看官方文档是关键。4. 运行与测试代码写完了是骡子是马拉出来遛遛。首先请确保你在glm-ocr-demo项目目录下。然后把你想要测试的图片比如一张包含文字的截图、一个文档照片复制到这个目录里并把上面代码中的‘./sample-invoice.jpg’改成你的图片文件名。打开命令行运行我们的程序node index.js如果一切顺利你会先看到“正在识别图片...”的提示稍等片刻取决于图片大小和网络速度就能在控制台看到识别成功的日志以及打印出来的结构化识别结果和提取出的纯文本。如果出错了别慌。仔细看控制台输出的错误信息。根据我们代码里的错误处理常见的错误可能是网络错误检查你的API_URL地址是否正确网络是否通畅。认证失败检查API_KEY是否正确是否有使用权限。图片错误检查图片路径对不对文件是否存在图片格式是否被支持通常JPG、PNG都没问题。超时错误图片太大或网络慢可以尝试调大timeout配置或者压缩一下图片。5. 下一步可以做什么走到这里你已经成功在Node.js环境里调通了GLM-OCR服务拿到了图片中的文字。但这只是一个起点你可以基于这个核心能力做很多有意思的事情做个简单的前端界面用Express.js快速搭一个本地服务器写个简单的HTML页面上传图片后端也就是我们刚写的Node.js代码接收图片、调用OCR、再把结果返回给前端展示。这样你就有一个可视化的小工具了。处理批量图片写个循环读取一个文件夹里的所有图片依次调用recognizeImage函数把结果保存到一个JSON文件或者Excel里实现批量处理。解析特定格式如果总是处理类似发票、名片这种格式固定的图片你可以在拿到OCR文本后写一些规则或者用正则表达式去提取“金额”、“公司名”、“电话号码”等特定信息让数据更结构化。集成到工作流把这个脚本放到你的自动化流程里。比如监控某个文件夹一旦有新图片放入就自动触发识别并把结果发送到你的办公软件或者数据库。整个过程试下来感觉在Node.js里集成GLM-OCR服务并不复杂。核心就是用好axios和form-data这两个包来处理HTTP请求和文件上传。代码结构清晰了后续无论是扩展功能还是排查问题都会轻松很多。关键是你亲手打通了从图片到文字的数据管道以后面对那些繁琐的文档录入工作就可以潇洒地写段代码让它自动完成了。建议你先从处理单张图片开始跑通整个流程然后再慢慢尝试上面提到的那些进阶玩法。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。