一点奇怪的想法——paddleocr复现使用

三个命令行安装paddleocr

conda create -n paddle02 python=3.8

activete paddle02

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

pip install paddleocr -i https://mirror.baidu.com/pypi/simple

大部分的应该是可以跑的

测试代码

# 第一个简单测试的可以跑
# from paddleocr import PaddleOCR
# import cv2
# ocr=PaddleOCR(use_angle_cls = True,use_gpu= False) #使用CPU预加载，不用GPU
# text=ocr.ocr("E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/1.jpg",cls=True)                     #打开图片文件
# #打印所有文本信息
# for t in text:
#     print(t[1][0])

# 这个跑不了  ---原因        解决：更换paddleOcr 版本 最新版本是2.6  V2.6的版本调用ocr.ocr 返
# 回的不是一个数组，是一个字符串，需要进行转换。有些s第二尽是不知所云，瞎讲。
# from paddleocr import PaddleOCR, draw_ocr
# from PIL import Image


# def my_ocr(img_path):
#     # need to run only once to download and load model into memory
#     # Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
#     # 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
#     ocr = PaddleOCR(use_angle_cls=True, lang="ch")
#     result = ocr.ocr(img_path, cls=True)
#     for line in result:
#         print(line)
#     image = Image.open(img_path).convert('RGB')
#     boxes = [line[0] for line in result]
#     txts = [line[1][0] for line in result]
#     scores = [line[1][1] for line in result]
#     im_show = draw_ocr(image, boxes, txts, scores, font_path="E:/2024/PaddleOCR-release-2.6//doc/fonts/simfang.ttf")
#     im_show = Image.fromarray(im_show)
#     im_show.save('result.jpg')


# if __name__ == '__main__':
#     my_ocr("E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/1.jpg")
#     pass


# 这个跑不了  ---原因   可能同上     解决：更换paddleOcr 版本 最新版本是2.6  V2.6的版本调用ocr.ocr 返
# 回的不是一个数组，是一个字符串，需要进行转换。有些s第二尽是不知所云，瞎讲。
# -*- coding:utf-8 -*-
# @Time : 2021/6/24 16:39
# @Author : JulyLi
# @File : test.py
# @Software: PyCharm

# import cv2
# import paddleocr
# from PIL import Image, ImageDraw, ImageFont
# import numpy as np

# res = paddleocr.PaddleOCR(use_gpu=False).ocr(img=r'E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/1.jpg')

# img = Image.open(r'E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/1.jpg')
# im = np.array(img)
# for i in range(len(res)):
#     # cv2.rectangle(im, (int(res[i][0][0][0]), int(res[i][0][0][1])),
#     #               (int(res[i][0][2][0]), int(res[i][0][2][1])), (255, 0, 0), 1)
#     # 使用cv2.putText不能显示中文，需要使用下面的代码代替
#     cv2.putText(im, d['text'][i], (x, y-8), cv2.FONT_HERSHEY_SIMPLEX, 0.3, (255, 0, 0), 1)

#     pilimg = Image.fromarray(im)
#     pilimg.resize((800, 600), Image.ANTIALIAS)
#     draw = ImageDraw.Draw(pilimg)
#     # 参数1：字体文件路径，参数2：字体大小
#     font = ImageFont.truetype("E:/2024/PaddleOCR-release-2.6//doc/fonts/simfang.ttf", 15, encoding="utf-8")
#     # 参数1：打印坐标，参数2：文本，参数3：字体颜色，参数4：字体
#     text, sroce = res[i][1]
#     print (text, sroce)
#     draw.text((res[i][0][0][0], res[i][0][0][1]), text, (255, 0, 0), font=font)
#     im = cv2.cvtColor(np.array(pilimg), cv2.COLOR_RGB2BGR)

# cv2.imwrite("res.jpg", im)
# cv2.imshow("recoText", im)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
#      解决：更换paddleOcr 版本 最新版本是2.6  V2.6的版本调用ocr.ocr 返回的不是一个数组，是一个字符串，需要进行转换。


# 这个跑不了  ---原因   可能同二   解决：更换paddleOcr 版本 最新版本是2.6  V2.6的版本调用ocr.ocr 返
# 回的不是一个数组，是一个字符串，需要进行转换。有些s第二尽是不知所云，瞎讲。
# from paddleocr import PaddleOCR, draw_ocr
# # 模型路径下必须含有model和params文件
# ocr = PaddleOCR(use_angle_cls=True,use_gpu=False)#det_model_dir='{your_det_model_dir}', rec_model_dir='{your_rec_model_dir}', rec_char_dict_path='{your_rec_char_dict_path}', cls_model_dir='{your_cls_model_dir}', use_angle_cls=True
# img_path = 'E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/11.jpg'
# result = ocr.ocr(img_path, cls=True)
# for line in result:
#     # print(line)
#     print (line)
#     # print (line[1][0])
#     # print (line[1][1])
    

 
# # 显示结果
# from PIL import Image
# image = Image.open(img_path).convert('RGB')
# boxes = [line[0][0] for line in result]
# txts = [line[1][0] for line in result]

# scores = [line[1][1] for line in result]
# # print (scores)
# im_show = draw_ocr(image, boxes, txts, scores, font_path='E:/2024/PaddleOCR-release-2.6//doc/fonts/simfang.ttf')
# im_show = Image.fromarray(im_show)
# im_show.save('result.jpg') #结果图片保存在代码同级文件夹中。

#可以跑
from paddleocr import PaddleOCR, draw_ocr
from PIL import Image
import fitz
import os
 
# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
def ocrImg(language,img_path,result_img):
    ocr = PaddleOCR(use_angle_cls=True, use_gpu=False,lang=language)  # need to run only once to download and load model into memory
    img_path = img_path
    result = ocr.ocr(img_path, cls=True)
    for line in result:
        # print(line[-1][0], line[-1][1])
        print(line)
    # 显示结果
    image = Image.open(img_path).convert('RGB')
# 修改的关键
    boxes = [result[0] for line in result for result in line] # Nested loop added
    txts = [result[1][0] for line in result for result in line] # Nested loop added
    scores = [result[1][1] for line in result for result in line] # Nested loop adde
    # boxes = [line[0] for line in result]
    # txts = [line[1][0] for line in result]
    # scores = [line[1][1] for line in result]
    im_show = draw_ocr(image, boxes, txts, scores, font_path='E:/2024/PaddleOCR-release-2.6//doc/fonts/simfang.ttf')
    im_show = Image.fromarray(im_show)
    im_show.save(result_img)
    im_show.show(result_img)
def pdf_to_jpg(name,language):
    ocr = PaddleOCR(use_angle_cls=True, use_gpu=False,lang=language)  # need to run only once to download and load model into memory
    pdfdoc=fitz.open(name)
    temp = 0
    for pg in range(pdfdoc.page_count):
        page = pdfdoc[pg]
        rotate = int(0)
        # 每个尺寸的缩放系数为2，这将为我们生成分辨率提高四倍的图像。
        zoom_x = 2.0
        zoom_y =2.0
        trans = fitz.Matrix(zoom_x, zoom_y).prerotate(rotate)
        pm = page.get_pixmap(matrix=trans, alpha=False)
        pm._writeIMG('temp.jpg',1)
 
        #ocr识别
        result =ocr.ocr('temp.jpg', cls=True)
 
        #提取文件名
        xx=os.path.splitext(name)
        filename=xx[0].split('\\')[-1]+'.txt'
        #存储结果
        with open(filename,mode='a') as f:
            for line in result:
                if line[1][1]>0.5:
                    print(line[1][0].encode('utf-8').decode('utf-8'))
                    f.write(line[1][0].encode('utf-8').decode('utf-8')+'\n')
        print(pg)
if __name__ == '__main__':
 
    language = 'ch'
    img_path = 'E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/11.jpg'
#只是保持没有展示，需要展示的话，加个show(),算了还是加上吧。。。碎碎念
    result_img = 'E:/2024/PaddleOCR-release-2.6/ppocr_img/imgs/testas11.jpg'
    ocrImg(language,img_path,result_img)
    # pdf_to_jpg(r'F:/1docx.pdf','ch')

然后就是复现了这个 Umi-OCR-main

地址在--hiroi-sora/Umi-OCR_plugins: Umi-OCR 插件库 (github.com)

需要下载这个文件Releases · hiroi-sora/Umi-OCR_plugins (github.com) 

界面是好看的，至少比我写的好，后面的话应该是在这个上加填表的功能。看看能不搞出来

剩下的就是将识别出来的信息进行对应。各位大佬有无好的方法推荐。不甚感激。