企业官网建设流程全解析

RapidOCR 上手：3分钟跑通截图与扫描件的本地文字识别

【免费下载链接】RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.项目地址: https://gitcode.com/GitHub_Trending/ra/RapidOCR

你需要把截图或扫描文档里的文字提取成可编辑文本时，常见做法是调云端接口：按次付费，图片还得传出去。RapidOCR 是本地 OCR 文字识别工具包，3分钟装好，一行代码就能识别一张图，覆盖中文、英文、日文、韩文等多语言。

📄 场景：从截图和扫描件里抠文字

比如一批合同扫描件，或者需求文档里三四十张截图，要把文字变成可搜索、可编辑的形式。手敲不现实，云端接口又有一笔调用费，且网络要走第三方。RapidOCR 做的就是这一件事：传入一张图，返回文字内容和对应的位置框。它基于 PaddleOCR 系列模型，打包成 ONNX Runtime、OpenVINO、PaddlePaddle、TensorRT、PyTorch、MNN 等多个推理后端，机器不同就换后端，代码不变。

🖼️ 先看三张样例，效果心里有数

最基础的场景：白底大字中文，逐字框出、准确无误。

识别模型按语言分开，这类日文混排汉字的内容可以按行识别，不用换模型。

这张图存储时实际倒了 180 度，RapidOCR 会先按 EXIF 信息校正方向再识别，手机拍的照片不用手动转。

🛠️ 上手实操：装完就跑

环境准备：两条命令

git clone https://gitcode.com/GitHub_Trending/ra/RapidOCR cd RapidOCR/python && pip install -r requirements.txt

不想碰源码的话，pip install rapidocr一条命令也行。模型文件在首次运行时自动下载到 python/rapidocr/models/ 目录，不占你手动管理。

跑通第一次识别

用仓库自带的测试图就能验证：

from rapidocr import RapidOCR engine = RapidOCR() result = engine("python/tests/test_files/ch_en_num.jpg") print(result.txts)

result.txts就是每行文字的结果列表。想把检测框画回原图存下来，加一句result.vis("vis.jpg")，完整写法可参考 python/demo.py。

⚙️ 跑通之后，可以动的三个旋钮

都集中在 python/rapidocr/config.yaml：

• 识别链路：Global 下的 use_det / use_cls / use_rec 控制检测、方向分类、识别三步各跑不跑。如果输入本来就是裁好的文字条，关掉检测能省不少时间；text_score 是置信度下限，调高可以过滤低分结果。
• 模型选择：每个模块有 lang_type、model_type（small/mobile/server）、ocr_version 三个字段，可选模型全量清单见 python/rapidocr/default_models.yaml。
• 推理后端：engine_type 可选 onnxruntime、openvino、paddle、pytorch、tensorrt、mnn，各后端实现都在 python/rapidocr/inference_engine/ 下，配置项对应各自设备的线程、显存参数。

不想改配置文件的话，调用时也能临时覆盖：engine("img.jpg", use_det=False, text_score=0.7, return_word_box=True)，最后这个参数会额外返回词级框。

🧩 还能顺手做的事

• 批量数字化：对文件夹里的文件跑一个循环，结果用 python/rapidocr/utils/ 下的 to_markdown、to_json 工具转成文档格式。
• 截图转翻译辅助：把识别文本丢给翻译接口，外文文档阅读时省一道手动抄录。
• 无障碍读屏：本地推理不经过网络，适合给视障用户做设备端文字播报。
• 命令行直用：装好后可以直接敲rapidocr命令做一次性识别，不必为一张图写脚本。

第一次跑通之后，剩下的就是参数问题。默认配置先用起来，遇到第二张识别不理想的图，你就知道该拧上面哪个旋钮了。

【免费下载链接】RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.项目地址: https://gitcode.com/GitHub_Trending/ra/RapidOCR