Go-OCR — Servicio web ligero de OCR con Go y Tesseract

Descripción del proyecto

Go-OCR es un servicio web ligero para la extracción de texto de documentos PDF e imágenes (PNG, JPG, JPEG) utilizando Tesseract OCR como motor de reconocimiento. Cuenta con una API REST en Go y un frontend moderno en React + TypeScript, todo orquestado con Docker Compose.

El sistema detecta palabras con coordenadas y niveles de confianza, genera múltiples formatos de salida (JSON, TXT, Markdown), y está diseñado con arquitectura limpia siguiendo principios SOLID y patrones de diseño bien definidos.

---

Características principales

• Extracción de texto de PDFs multipágina con Tesseract OCR
• Soporte para imágenes PNG, JPG, JPEG
• Detección de palabras con coordenadas (bounding boxes) y niveles de confianza
• API REST JSON con CORS configurado
• Interfaz web moderna con React + TypeScript + Vite
• Múltiples formatos de salida — JSON, TXT, Markdown generados simultáneamente
• Health check integrado
• Manejo robusto de errores y timeouts con context awareness
• Logging estructurado de peticiones HTTP
• Graceful shutdown del servidor

---

Tech Stack

Backend

Tecnología	Rol
Go 1.21+	Lenguaje principal
Chi Router v5	HTTP routing y middleware
Tesseract OCR 5.x	Motor de reconocimiento óptico
Poppler 23.x	Conversión PDF a imágenes (pdftoppm)
gosseract v2	Bindings de Tesseract para Go
gofrs/uuid	Generación de IDs únicos

Frontend

Tecnología	Rol
React 18	UI library
TypeScript	Type safety
Vite	Build tool
TanStack Query	Estado asíncrono y caché
Lucide React	Iconos
CSS puro	Estilos (sin frameworks CSS)

Infraestructura

Tecnología	Rol
Docker	Containerización
Docker Compose	Orquestación multi-contenedor
Alpine Linux	Imagen base ligera
Nginx	Servidor web para frontend

---

Arquitectura

Diagrama de capas

Estructura del proyecto

---

Patrones de diseño

Strategy Pattern

La interfaz Engine permite intercambiar motores OCR sin cambiar el código cliente:

type Engine interface {
    ExtractText(ctx context.Context, img image.Image) (*Result, error)
    ExtractTextWithBoxes(ctx context.Context, img image.Image) (*DetailedResult, error)
    Close() error
}

Dependency Injection

Las dependencias se inyectan en el constructor, no se crean internamente:

func New(engine ocr.Engine) *Handler {
    return &Handler{engine: engine}
}

Factory Pattern

La creación del motor OCR se centraliza en una función factory que encapsula la lógica de inicialización compleja.

Middleware Chain (Chain of Responsibility)

Chi router implementa una cadena de middleware para CORS, logging, recovery y timeouts.

---

Principios SOLID aplicados

Principio	Implementación
SRP	Handler solo maneja peticiones HTTP, TesseractEngine solo ejecuta OCR, Logger solo registra peticiones
OCP	La interfaz Engine permite agregar nuevos motores OCR sin modificar código existente
LSP	Cualquier implementación de Engine puede sustituir a otra cumpliendo el contrato
ISP	La interfaz Engine solo expone métodos que los clientes necesitan
DIP	Handler depende de la abstracción Engine, no de TesseractEngine directamente

---

API Endpoints

Extraer texto

POST /api/extract
Content-Type: multipart/form-data

Respuesta:

{
  "filename": "documento.pdf",
  "full_text": "Texto extraído completo...",
  "boxes": [
    {
      "page": 1,
      "text": "palabra",
      "confidence": 0.95,
      "bbox": { "x": 100, "y": 200, "width": 80, "height": 20 }
    }
  ],
  "total_lines": 150,
  "total_pages": 3,
  "processed_at": "2026-01-08T10:30:00Z"
}

Health Check

GET /health → { "status": "healthy" }

---

Clean Code

• Nombrado claro y descriptivo — funciones como ExtractText, NewTesseractEngine
• Manejo de errores explícito — errores envueltos con contexto usando fmt.Errorf
• Context awareness — timeouts configurados, cancelación de operaciones largas
• Resource cleanup — uso consistente de defer para limpieza de recursos

---

Repositorio

🔗 github.com/Vic-Lara-Gilles/Go-OCR

Lenguajes: TypeScript 57.2% · Go 23.1% · CSS 5.1%

Licencia: MIT