Skip to content
TheChatArchiveThe Chat Archive
o3-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

实现 func PlainTextMarkdown(ctx context.Context, text string, ocr OCRAgent) (string,…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Claudeclaude-opus-4-20250514’s answer.
  1. 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

  2. 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:

    1. 用正则定位形如
      ![任意 alt](data:image/xxx;base64,XXXX)
      的内嵌 base64 图片。
    2. 逐个调用 ocr.ExtractTextFromImage 得到文字。
    3. 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:
    ![二维码](data:image/png;base64,iVBORw0KGgoAAA...)
    还有一张:
    ![](data:image/jpeg;base64,/9j/4AAQSk...)
    `
    
    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 ![...](任意 alt 文本)
    \( 和 \) —— 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。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.