企业官网建设流程全解析

GLM-OCR Flask服务实战：用python -m glmocr.server搭建文档解析HTTP服务

【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCR

GLM-OCR 是一款面向复杂文档理解的多模态 OCR 模型，其官方 SDK 内置了一个基于 Flask 的轻量 HTTP 服务。本文带你用一条命令python -m glmocr.server搭建文档解析 HTTP 服务，把论文、表格、手写件、化学公式统一转成 Markdown 和 JSON 布局结果，让无 GPU 的机器也能通过 HTTP 调用你的 GPU 服务器。🚀

为什么要把 GLM-OCR 部署成 HTTP 服务？

很多场景下，OCR 能力需要被多个客户端共享：内部系统、脚本、甚至手机 App。与其让每台机器都装一遍模型和依赖，不如在 GPU 服务器上跑一个文档解析 HTTP 服务，其他机器发一个 POST 请求就能拿到结果。

GLM-OCR 的服务端把完整的解析流水线封装在一个 Flask 应用里：

• 布局检测：基于 PP-DocLayout-V3 定位标题、正文、表格、公式等区域；
• 并行识别：对每个区域并发调用 GLM-OCR 模型服务；
• 结果格式化：输出 JSON 布局明细 + Markdown 正文两种格式。

服务端实现全部集中在 glmocr/server.py 一个文件里，核心路由定义在 server.py 的parse()函数中，代码非常易读，适合想理解 OCR 服务内部机制的读者。

上面这张来自 examples/source/paper.png 的论文页面，就是典型的"硬骨头"：双栏排版、行间公式、分栏定理编号。这正是 Flask 文档解析服务要解决的场景。

安装步骤：一条命令装好服务依赖

服务依赖按场景拆分成了可选依赖（extras），定义在 pyproject.toml：

# 完整能力：本地布局检测 + OCR 流水线 + Flask 服务 pip install "glmocr[selfhosted,server]"

💡 如果你的机器没有 GPU，只想调用云端或远程服务，装最轻量的pip install glmocr即可作为纯客户端使用。

也可以从源码安装进行开发：

git clone https://gitcode.com/GitHub_Trending/gl/GLM-OCR cd GLM-OCR uv venv --python 3.12 --seed && source .venv/bin/activate uv pip install -e ".[selfhosted,server]"

一键启动：python -m glmocr.server

安装完成后，启动服务只需要一条命令：

# 默认配置启动 python -m glmocr.server # 指定配置文件 python -m glmocr.server --config config.yaml # 打开调试日志（含各阶段耗时 profiling） python -m glmocr.server --log-level DEBUG

启动后终端会打印类似提示：

GlmOcr Server starting on 0.0.0.0:5002... API endpoint: /glmocr/parse

服务默认监听0.0.0.0:5002，监听地址与端口由 config.yaml 的server段控制：

server: host: "0.0.0.0" port: 5002 debug: false

改端口、开 debug 热重载，只需调整这几行，无需改任何代码。

调用 /glmocr/parse 接口：最小可用请求

服务只暴露两个接口：

• POST /glmocr/parse：文档解析主接口；
• GET /health：健康检查，返回{"status": "ok"}，方便接入容器编排探活。

最小请求长这样（注意必须带 JSON 的 Content-Type，否则返回 400）：

curl -X POST http://localhost:5002/glmocr/parse \ -H "Content-Type: application/json" \ -d '{"images": ["examples/source/code.png"]}'

关于images字段的几个细节（见 server.py）：

• 既可以是字符串，也可以是列表；列表会被视为同一份文档的多个页面；
• 支持http/httpsURL、本地file路径和data:数据 URI；
• 兼容 MaaS 协议的file字段，老客户端可以直接迁移；
• 要解析多份独立文档？发多次请求即可，一次请求 = 一份文档。

如上图所示（来自 GLM-4.5V_page0.jpg），服务内部会先对文档做布局检测，把doc_title、abstract、chart、figure_title等区域框出来，再分别送去识别——这是结果准确的关键第一步。

读懂响应：同时兼容 SDK 与 MaaS 两种协议

响应体由 _build_response 构造，同时携带两套字段：

{ "json_result": "[...]", "markdown_result": "……", "layout_details": "[...]", "md_results": "……", "model": "glm-ocr", "id": "chatcmpl-...", "created": 1709234567 }

多页文档的 Markdown 会用---分隔符拼接各页结果（见 server.py），方便下游按页切分。

对于财务报表这类复杂表格（如 table.jpg），服务会把整块表格识别为 HTML 表格结构写入 Markdown，行列对应关系基本可还原。

进阶：让无 GPU 的客户端直连你的服务

这是 Flask 服务模式最大的价值——GPU 集中在一台机器，客户端零成本：

1. GPU 机器按上文启动python -m glmocr.server；
2. 客户端机器只需pip install glmocr，把config.yaml的 MaaS 配置指向你的服务：

pipeline: maas: enabled: true api_url: http://<服务器IP>:5002/glmocr/parse api_key: any-string # 自建服务不校验 key verify_ssl: false

之后客户端就能像调用云端 API 一样，用 CLI 或 Python API 解析本地文档：

from glmocr import GlmOcr with GlmOcr( mode="maas", api_url="http://<服务器IP>:5002/glmocr/parse", api_key="any-string", ) as parser: result = parser.parse("document.png") print(result.markdown_result)

完整架构与协议细节可参考 examples/self-host/README.md。

效果一览：从手写件到化学式

这套文档解析 HTTP 服务覆盖的场景包括论文、财报表格、手写笔记和化学结构式。下图是一份化学分子的编号结构式（4.png），服务会将其中的编号、官能团与连接关系一并识别：

常见问题速查 🧩

总结

GLM-OCR 的 Flask 服务把"布局检测 + 并行 OCR + 结果格式化"整条流水线压缩成了两个接口：装好依赖后，python -m glmocr.server一条命令即可对外提供文档解析 HTTP 服务；客户端无论走原生 SDK 还是 MaaS 协议都能直接消费结果。对于需要把 OCR 能力共享给团队、嵌入内部系统的读者，这是当前最轻量的落地方式。核心源码入口在 glmocr/server.py，配置参考 glmocr/config.yaml，照着本文跑一遍即可上手。

【免费下载链接】GLM-OCRGLM-OCR: Accurate × Fast × Comprehensive项目地址: https://gitcode.com/GitHub_Trending/gl/GLM-OCR