paddleocr-text-recognition

PaddleOCR 文本识别

何时使用此技能

适用于：

• 从图像（截图、照片、扫描件）中提取文本
• 从 PDF 或文档图像中提取文本，目标是获取行级/框级文本
• 从指向图像/PDF 的 URL 或本地文件中提取文本

不适用于：

• 包含表格、公式、图表或复杂布局的文档——请改用文档解析

用法

基本 OCR

从 URL 提取：

paddleocr api \
  --model_type ocr \
  --file_url "https://example.com/image.png"

从本地文件提取：

paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf"

常用选项

# With specific model
paddleocr api \
  --model_type ocr \
  --model PP-OCRv5 \
  --file_path "./report.pdf"

# Disable preprocessing (faster, for flat/well-oriented images)
paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf" \
  --use_doc_unwarping False \
  --use_doc_orientation_classify False

# Save result to file
paddleocr api \
  --model_type ocr \
  --file_url "https://..." \
  --output result.json

# Page ranges
paddleocr api \
  --model_type ocr \
  --file_path "./large.pdf" \
  --page_ranges "1-5,10,15-20"

输出格式

{
  "jobId": "job-xxx",
  "pages": [
    {
      "prunedResult": {
        "rec_texts": ["Line 1", "Line 2"],
        "rec_scores": [0.98, 0.95]
      },
      "ocrImageUrl": "https://..."
    }
  ]
}

重要说明

预处理选项：默认情况下，API 会启用文档预处理（去弯曲和方向分类）。对于平整且方向正确的图像（截图、扫描规范的文档），可以禁用预处理以加快处理速度：

paddleocr api --model_type ocr --file_path "./document.pdf" --use_doc_unwarping False --use_doc_orientation_classify False

以下情况请保持预处理启用：

• 输入是弯曲或折叠文档的照片
• 文档存在明显的透视畸变
• 方向不确定（旋转了 90/180/270 度）

显示完整结果：始终向用户展示提取的完整内容。除非内容超过 10,000 个字符，否则不要用“...”截断。处理多页内容时，如有需要可以总结，但在用户明确要求时应提供完整结果。

妥善处理错误：当 CLI 返回错误时，应告知用户具体问题，而不是静默失败或改用自身的视觉能力。常见错误：

• 身份验证：PADDLEOCR_ACCESS_TOKEN 无效或缺失
• 配额：超出 API 速率限制
• 未检测到内容：图像可能为空白或不含文本

CLI 参考

运行 paddleocr api --help 查看所有选项。

完整文档请参阅：PaddleOCR 官方文档