阿里云文字识别OCR服务确实支持将识别结果以键值对（key-value）的形式返回，这在API接口文档中有所说明。
当您使用OCR服务进行页面图片文字识别时，接口返回的结果通常是一个字典，其中包含了多个键值对，这些键值对代表了识别出的文字块及其对应的位置坐标信息。例如，返回的结果可能类似于下面这样：
{
"content": "这里是识别出的文本内容",
"location": {
"x": 坐标值,
"y": 坐标值
}
}
在这个例子中，content键对应的值是识别出的文本内容，而location键则提供了一个字典，包含了文字块的横坐标（x）和纵坐标（y）。这样的结构使得您能够明确知道每个文字块的位置信息，从而可以进行进一步的定位和处理。
需要注意的是，不同的OCR服务功能和应用场景可能会影响返回结果的完整性和细节。例如，某些服务可能只提供文字内容而没有位置信息，或者位置信息不是以字典形式返回。因此，在具体使用时，建议您查阅阿里云文字识别的API参考文档，了解您所使用的API接口的确切返回值。
此外，对于开发过程中的环境配置、API调用等问题，阿里云也提供了详细的开发参考和SDK以帮助开发者更快地上手和使用OCR服务。如果您是RPA开发者，还可以参考阿里云提供的机器人流程自动化（Robotic Process Automation, RPA）解决方案，其中包含了与OCR服务相结合的流程示例和组件，以便您更好地将OCR集成到自动化流程中。
