别手动敲字了！Python OCR一站式解决方案

1. OCR技术简介

OCR（Optical Character Recognition，光学字符识别）是一种将图像中的文字转换为可编辑文本的技术。它广泛应用于文档数字化、图片内容提取、身份证识别、车牌识别等多个领域。通过 OCR 技术，我们可以将纸质文档、扫描件、图片等中的文字信息提取出来，转换为电子文本，便于存储、编辑和分析。

1.1 OCR 应用场景

OCR通过图像预处理、文字定位、字符识别三个阶段，将像素数据转化为结构化文本，能够实现：

• 将纸质文档、扫描件等转换为可编辑的电子文档，提高办公效率。
• 从图片中提取文字信息，如从屏幕截图中提取文本，用于自动化测试等场景。
• 应用于身份证、驾驶证等证件信息的自动提取，简化信息录入流程。
• 广泛应用于智能交通、停车场管理等场景，实现车牌的自动识别。
• 支持表格识别，可应用于财务报表、问卷调查等场景的数据提取。

2.2 为什么选择Python实现OCR？

• 开源生态丰富（PaddleOCR、Tesseract等）
• 跨平台性（在 Windows、macOS、Linux 等多种操作系统上运行）
• 可集成到自动化工作流（如自动归档+数据分析）

---

2. PaddleOCR 库

飞桨 OCR（PaddleOCR）是百度开源的一款基于飞桨深度学习平台的光学字符识别（OCR）工具，具有高性能、易用性强、支持多种语言等特点，广泛应用于文档数字化、身份证识别、车牌识别等多个领域。

飞桨 OCR 具有以下特点：

1. 高性能：采用先进的深度学习技术，识别速度快，准确率高。
2. 轻量级：支持多种部署方式，包括服务器端、移动端和嵌入式设备，满足不同场景的需求。
3. 多语言支持：支持多种语言识别，包括中文、英文、日文、韩文等。

2.1 环境部署

# 安装飞桨OCR核心库（需Python 3.7+）  
pip install paddlepaddle paddleocr  

注意：若运行时出现缺少某些 model，直接 pip 安装对应的模块即可。

2.2 基础功能实现

现在我们要识别一个票据中的内容，我们准备好这张票据.png的图片内容，放在代码同目录下。

完整代码：

from paddleocr import PaddleOCR

# 初始化模型（默认启用中英文识别）
ocr = PaddleOCR(use_angle_cls=True, lang='ch')

def extract_ocr_text(result):
    texts = []
    for item in result:
        if isinstance(item, list):
            texts.extend(extract_ocr_text(item))
        # 如果当前元素是包含文字信息的元组（文本，置信度）
        elif isinstance(item, tuple) and len(item) >= 2:
            if isinstance(item[0], str):  # 确保第一个元素是文本
                texts.append(item[0])
        elif isinstance(item, list) and len(item) >= 2:
            if isinstance(item[1], tuple):
                texts.append(item[1][0])
    return texts

# OCR识别
result = ocr.ocr('票据.png', cls=True)

# 提取并打印所有文本
all_texts = extract_ocr_text(result)
for text in all_texts:
    print(text)

其中我们需要配置模型，并调用输出即可，需要修改的参数也不多：

• ocr = PaddleOCR(use_angle_cls=True, lang='ch')设置中英文通用模型
• cr.ocr('票据.png', cls=True) 输入图片路径

运行结果：

2.3 手写体文字识别

那这样的印刷体可以识别，那如果是手写体呢？我们试试看。

我们把这张图片丢给代码去识别：

输出结果：程序依然可以正确识别内容！

---

2.4 参数配置

在看完简单案例后，我们来详细了解下PaddleOCR的各种配置。

在初始化PaddleOCR对象时，可通过以下参数优化识别效果：

ocr = PaddleOCR(  
    use_angle_cls=True,   # 启用文字方向检测（适合倾斜文本）  
    lang='ch',            # 语言类型：ch（中文）、en（英文）、japan（日文）等  
    use_gpu=False,        # 是否使用GPU加速  
    rec_model_dir='./models/ch_ppocr_server_v2.0_rec_infer',  # 自定义识别模型路径  
    det_model_dir='./models/ch_ppocr_server_v2.0_det_infer',  # 自定义检测模型路径  
    cls_model_dir='./models/ch_ppocr_mobile_v2.0_cls_infer',  # 自定义方向分类模型路径  
    show_log=False        # 关闭调试日志输出  
)  

参数说明表：

参数名	类型	默认值	作用
use_angle_cls	bool	False	是否检测文字方向（0/90/180/270度）
lang	str	'ch'	支持80+语言组合，如chinese_cht（繁体中文）
det_limit_side_len	int	960	图片长边尺寸限制（超过会自动缩放）

使用独立显卡可大幅提高处理速度，满足条件时非常推荐开启

GPU加速检测和配置：

# 检查GPU是否可用  
import paddle  
print(paddle.device.is_compiled_with_cuda())  # 输出True表示支持GPU  

# 初始化时启用GPU  
ocr = PaddleOCR(use_gpu=True)  

注意，英伟达显卡用户需要安装 CUDA

地址：CUDA Toolkit - Free Tools and Training | NVIDIA Developer

---

3. 进阶操作

3.1 批量处理文件夹图片

如果我们需要批量识别图片，我们可以借助os库来遍历文件夹，并输出为单独的txt文本。

批量识别图片的示例：

import os  
from paddleocr import PaddleOCR  

ocr = PaddleOCR()  
input_folder = 'input_images'  
output_folder = 'ocr_results'  

# 创建输出目录  
os.makedirs(output_folder, exist_ok=True)  

for filename in os.listdir(input_folder):  
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):  
        img_path = os.path.join(input_folder, filename)  
        result = ocr.ocr(img_path)  
        
        # 保存为独立文本文件  
        output_path = os.path.join(output_folder, f'{filename}.txt')  
        with open(output_path, 'w', encoding='utf-8') as f:  
            for line in result:  
                text = line[1][0]  
                f.write(text + '\n')  

print(f'已处理 {len(os.listdir(input_folder))} 张图片')  

3.2 结构化保存识别结果

如果我们不想将内容保存在txt格式中，我们也可以使用panda库保存到csv或者xlsx表格中。

需要更改的部分代码：

import pandas as pd  

data = []  
for line in result:  
    data.append({  
        'text': line[1][0],  
        'confidence': line[1][1],  
        'coordinates': line[0]  
    })  

df = pd.DataFrame(data)  
df.to_excel('structured_results.xlsx', index=False)  

保存为json格式需要对内容进行预处理，下面是一个简单的未分类的示例：

import json  

with open('result.json', 'w', encoding='utf-8') as f:  
    json.dump(result, f, ensure_ascii=False, indent=2)  

---

3.3 调用DeepSeek处理文本

如果我们已经提取到了文本，但是文本内容太复杂，或者类型不同，规律性不强，我们还可用调用大模型来分析。

调用 DeepSeek 的示例代码：

from openai import OpenAI

# OCR提取文本  
```
具体逻辑省略……
```
texts = texts

# 调用API
client = OpenAI(api_key="你的DeepSeek API", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是一个文本分析机器人"},
        {"role": "user", "content": f"帮我提取下面文本中的金额信息，格式化输出，不要用md语法……内容：{texts}"},
    ],
    stream=False
)

print(response.choices[0].message.content)

DeepSeek 解析结果：

3.4 多线程批量处理

为了提高运行速度，我们也可以加入多线程，使用concurrent.futures模块

一个多线程并发的示例：

from concurrent.futures import ThreadPoolExecutor  

def process_image(img_path):  
    result = ocr.ocr(img_path)  
    return [line[1][0] for line in result]  

with ThreadPoolExecutor(max_workers=4) as executor:  
    results = list(executor.map(process_image, image_paths))  

---

4. 其他OCR库

4.1 Tesseract：经典开源OCR引擎

核心特点：

• 由谷歌维护，社区生态成熟
• 支持100+语言（需单独下载语言包）
• 对印刷体英文识别精度高

安装与使用

# 安装库及英文语言包
pip install pytesseract
# Windows需单独安装Tesseract引擎：https://github.com/UB-Mannheim/tesseract/wiki

import pytesseract
from PIL import Image

# 多语言识别示例（中英文混合）
text = pytesseract.image_to_string(
    Image.open('混合文本.jpg'),
    lang='chi_sim+eng'  # 中英文混合识别
)
print(text)

适用场景

• 学术论文、书籍扫描件（英文为主）
• 多语言文档（需配置语言组合）
• 需要高度定制OCR模型的场景

---

4.2 EasyOCR：即用型多语言OCR

核心特点

• 开箱即用，预训练模型涵盖80+语言
• 支持中文、英文、日文、韩文等混合识别
• 对模糊、低光照图片鲁棒性强

安装与使用

pip install easyocr  # 自动下载预训练模型

import easyocr

# 初始化多语言模型
reader = easyocr.Reader(['ch_sim', 'en'])  

# 识别文本并获取坐标
result = reader.readtext(
    '广告牌.jpg', 
    detail=0,          # 0: 只返回文本，1: 返回坐标+置信度
    paragraph=True     # 按段落合并文本
)
print('\n'.join(result))

适用场景

• 路牌、广告牌等自然场景文字
• 多语言混合文档（如中英文合同）
• 需要快速验证OCR效果的场景

• ❌ 缺点：模型体积大（1GB+）、GPU资源消耗高

---

（图片位置提示：此处插入两组对比图）
图1-Tesseract效果：
英文论文扫描件 → 精准提取公式和段落
图2-EasyOCR效果：
中英文混合路牌 → 正确识别文字及排版

---

4.3 OCR工具选择

评估维度	PaddleOCR	Tesseract	EasyOCR
中文精度	⭐⭐⭐⭐⭐	⭐⭐	⭐⭐⭐
英文精度	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
安装便捷性	⭐⭐⭐⭐	⭐⭐	⭐⭐⭐⭐⭐

选型建议：

• 中文场景优先选择PaddleOCR
• 纯英文文档使用Tesseract

---

5. 常见问题与解决方案

1️⃣ 报错ModuleNotFoundError

问题原因：缺少依赖库

解决方案：安装对应库

pip install setuptools pillow  

2️⃣ 路径报错

现象：UnicodeDecodeError

修复：将图片路径改为全英文

3️⃣ 低分辨率图片识别率低

问题：文字模糊导致识别率暴跌
解决方案：对图片进行预处理

from PIL import ImageEnhance  

img = Image.open('blur_text.jpg').convert('L')  # 转灰度图  
img = ImageEnhance.Contrast(img).enhance(2.0)   # 增加对比度  
img.save('enhanced.jpg')  

4️⃣ 扭曲文字（如瓶盖文字）

解决方案：

# 使用PaddleOCR的版面分析功能  
ocr = PaddleOCR(use_angle_cls=True, layout=True)  

优化方法：

from PIL import ImageEnhance  

img = Image.open('模糊图.jpg').convert('L')  
img = ImageEnhance.Contrast(img).enhance(2.0)  
img.save('优化后.jpg')  

🌐 更多资源

• 预训练模型库：PaddleOCR Model Zoo
• 官方部署方案：PaddleServing部署指南