PaddleOCR 本地部署快速上手5分钟跑通多语言 OCR 与文档解析【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCRPaddleOCR 是飞桨生态的开源 OCR 工具包负责把图像和 PDF 文档转换成程序与 LLM 可直接使用的结构化数据文本框坐标、识别文本、版面元素以及 Markdown 和 JSON 文件。无论你是想先验证图片识别效果的新手还是要搭 RAG 文档数据链路的开发者它都能以一条命令的代价完成从安装到出结果的完整闭环。 定位速览PaddleOCR 不是一个单模型而是一套产线化工具集在飞桨之上集成了文档预处理、文本检测、文本识别和版面解析。PP-OCRv6 系列用单个模型覆盖中、英、日等 50 种语言PP-StructureV3 能把 PDF 解析成 Markdown 或 JSONPaddleOCR-VL 则用 0.9B 参数的视觉语言模型处理更复杂的文档解析。和只做识别的轻量库相比它的差异在于“预处理—检测—识别—版面”都是可开关的产线模块可按需组合3.5 起还能在 PaddlePaddle 与 Transformers 两个推理引擎之间切换。️ 环境与首次运行PaddleOCR 3.x 默认以飞桨 3.0 及以上版本作为推理引擎先装底层框架CPU 版python -m pip install paddlepaddle3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/这条命令安装的是承担实际推理的飞桨框架有 NVIDIA GPU 时换装对应 CUDA 版本的包具体对应关系按飞桨官网安装文档选择即可步骤相同。再安装 PaddleOCR 包本体。all依赖组包含文档解析、信息抽取等可选能力python -m pip install paddleocr[all]只跑文字识别和文档图像预处理时不带依赖组直接装paddleocr就够。装完即可跑第一次识别下面这条命令对一张图完成检测加识别把图片路径换成你自己的本地图片paddleocr ocr -i ./general_ocr_002.png \ --use_doc_orientation_classify False \ --use_doc_unwarping False \ --use_textline_orientation False三个开关关闭了文档方向分类、页面去扭曲、文本行方向分类这三步预处理适合拍摄正常的图片首次运行会自动下载模型文件运行结束输出每个文本框和识别文本并在当前目录保存可视化图片和 JSON 结果。 由浅入深的用法用 CLI 子命令跑不同能力paddleocr把每种能力做成独立子命令按需选用。完整产线、单独检测、单独识别分别对应三个命令# 完整产线文本检测 文本识别 paddleocr ocr -i ./general_ocr_002.png # 单独文本检测输出文本框坐标 paddleocr text_detection -i ./general_ocr_001.png # 单独文本识别输入应为裁剪好的文本行 paddleocr text_recognition -i ./general_ocr_rec_001.png要把含表格、版面的完整文档解析成 Markdown改用pp_structurev3子命令依赖组的取舍见安装说明。用关键开关控制产线行为常用开关都是布尔开关。上文三个开关分别针对 180 度倒置的文档、卷曲或反光页面、竖排文字图片正常时关掉可以省掉这部分耗时。处理特定硬件或多语言场景时还会用到--lang、--device这类参数其中--engine指定推理引擎可传paddle或transformerspaddleocr ocr -i ./general_ocr_002.png --engine transformers把 OCR 集成进 Python 脚本写业务代码时直接实例化PaddleOCR类并调用predict结果对象既能打印也能存成可视化图片或 JSONfrom paddleocr import PaddleOCR ocr PaddleOCR( use_doc_orientation_classifyFalse, use_doc_unwarpingFalse, use_textline_orientationFalse) for res in ocr.predict(./general_ocr_002.png): res.print() res.save_to_json(output)构造参数与命令行开关一一对应你在 CLI 里调好的参数可以直接搬进脚本不用重新摸索。⚖️ 效果与适用边界PP-OCR 系列擅长复杂场景文字。低对比度、低亮度的点阵数码屏比如电表和时钟它仍能稳定检出时间、日期这类文本工业巡检里这类场景就是它的强项也要知道它的边界手写中文文档、强模糊或强反光图片的识别稳定性会明显下降纯手写档案不建议直接用它。另外文档里若含公式和复杂表格ocr产线只能输出文字、不解析版面需要改用 PP-StructureV3 或 PaddleOCR-VL后两者依赖更重、推理也更慢按实际需要选择。各产线的依赖与适用场景在产线总览里有一份对照表仓库根目录的 awesome_projects.md 则列出了 Dify、RAGFlow 等项目如何使用 PaddleOCR 搭建文档数据链路接入时值得参考。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考