o3-2025-04-16· OpenAI
LMArena Human Preference 140K
实现 func PlainTextMarkdown(ctx context.Context, text string, ocr OCRAgent) (string,…
- User
实现 func PlainTextMarkdown(ctx context.Context, text string, ocr *OCRAgent) (string, error) {
} 其中 ocr 有函数 func (o *OCRAgent) ExtractTextFromImage(ctx context.Context, image string) (string, error) {,image 接收格式 data:image/png;base64,iVxx.. 现在入参 text 是一个 markdown,里面的图片均是内嵌,请提取出来,调用 ExtractTextFromImage 函数,然后把返回值替换掉图片
- Assistant
下面给出一个相对简洁、无第三方依赖(标准库即可)的实现示例。
核心思路:- 用正则定位形如

的内嵌 base64 图片。 - 逐个调用
ocr.ExtractTextFromImage得到文字。 - 把整段
原样替换为 OCR 结果,生成新的 markdown。
代码:
package md2txt import ( "context" "regexp" "strings" ) // OCRAgent 仅为演示用。假设已实现 ExtractTextFromImage(ctx, image string)(string,error) type OCRAgent struct{} func (o *OCRAgent) ExtractTextFromImage(ctx context.Context, image string) (string, error) { // ... 真实实现 return "", nil } // PlainTextMarkdown 将 markdown 中所有内嵌 base64 图片替换为其 OCR 文本 func PlainTextMarkdown(ctx context.Context, text string, ocr *OCRAgent) (string, error) { if ocr == nil { return "", errors.New("ocr agent is nil") } // 1. 匹配 markdown 图片:![][alt](data:image/...;base64,XXXX) // submatch #1 即为 data:image/...;base64,XXXX re := regexp.MustCompile(`!\[[^\]]*]\((data:image/[a-zA-Z]+;base64,[^)]+)\)`) // 2. 找到全部匹配位置(含子匹配索引) matches := re.FindAllStringSubmatchIndex(text, -1) if len(matches) == 0 { // 没有图片,直接返回 return text, nil } var sb strings.Builder prev := 0 // 上一次写入结束位置 for _, loc := range matches { start, end := loc[0], loc[1] // 整个  的区间 imgStart, imgEnd := loc[2], loc[3] // 子匹配(data:image...)区间 // 把之前未处理的普通文本直接写入 sb.WriteString(text[prev:start]) imgData := text[imgStart:imgEnd] // 3. OCR txt, err := ocr.ExtractTextFromImage(ctx, imgData) if err != nil { return "", err } // 4. 用 OCR 结果替换图片 sb.WriteString(txt) prev = end } // 5. 追加最后一段普通文本 sb.WriteString(text[prev:]) return sb.String(), nil }使用示例:
md := ` 这是一张图:  还有一张:  ` plain, err := PlainTextMarkdown(context.Background(), md, ocrAgent) if err != nil { log.Fatal(err) } fmt.Println(plain)输出(示例):
这是一张图: https://example.com 还有一张: Hello World说明
• 正则表达式解释
!\[[^\]]*]—— 匹配
\(和\)—— 匹配两侧括号
(data:image/[a-zA-Z]+;base64,[^)]+)—— 捕获真正的 image 数据串• 若想并发 OCR,可先收集 matches,再开 goroutine 并保持顺序(需额外工作量与同步机制);此处示例以串行实现,逻辑最直观。
- 用正则定位形如
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.