PaddleOCR 概览与核心能力

PaddleOCR 是由百度飞桨 (PaddlePaddle) 团队开发的高性能、超轻量开源 OCR 与文档 AI 引擎。其设计目标是提供兼顾极致准确率、超高运行速度与极小内存占用的产业级文档解析工具。

三大核心流水线

环境配置与安装 (分步指南)

PaddleOCR 安装极其简便。请确保您的机器满足以下基础环境：

步骤 1：安装 PaddlePaddle 深度学习底座

根据您的硬件环境选择 CPU 版本或 GPU (CUDA) 版本：

pip install paddlepaddle

pip install paddlepaddle-gpu

步骤 2：安装 PaddleOCR 工具包

pip install paddleocr

三行代码快速验证

安装完成后，只需在 Python 中编写三行代码即可运行文本识别：

from paddleocr import PaddleOCR

# 初始化中英文识别模型并开启方向校正
ocr = PaddleOCR(use_angle_cls=True, lang='ch')

# 预测图像并输出文本
result = ocr.ocr('your_test_image.jpg', cls=True)

for line in result[0]:
    print(line[1][0])  # 打印识别出的文字

PP-OCRv6 核心技术解析

PP-OCRv6 是 PaddleOCR v3.7.0 的旗舰 OCR 引擎。相比上一代 PP-OCRv5，它带来了革命性的提升：

PP-StructureV3 复杂表格与版面分析

PP-StructureV3 专为解决合同、财报、研报等结构复杂文档而生。它不仅提取文本，还能精准还原版面层级与表格数据。

from paddleocr import PPStructureV3

engine = PPStructureV3(show_log=True, lang='ch')
result = engine('contract.pdf')

for region in result:
    if region['type'] == 'table':
        print("提取到的 HTML 表格:")
        print(region['res']['html'])

JavaScript, Node.js 与 WebAssembly 纯前端运行

无需 Python 环境，直接在网页浏览器 (WebAssembly/WebGPU) 或 Node.js 后端运行 PaddleOCR：

npm install @paddlejs-models/ocr onnxruntime-web

import * as ocr from '@paddlejs-models/ocr';

// 初始化并自动缓存模型
await ocr.init();

// 传入 HTML <img> 或 Canvas 元素进行识别
const imgElement = document.getElementById('scanned-doc');
const result = await ocr.recognize(imgElement);

console.log('识别文本:', result.text);
console.log('坐标框:', result.points);

常见报错与故障排查字典 (Error Dictionary)

1. ImportError: cannot import name 'draw_ocr' from 'paddleocr'

原因： PaddleOCR 新版将可视化工具拆分至 tools 依赖中。
解决方法： 执行 pip install "paddleocr[tools]"，并从 from paddleocr.tools.infer.utility import draw_ocr 导入。

2. TypeError: predict() got an unexpected keyword argument 'cls'

原因： 误将 cls=True 传给 .predict() 而非 .ocr()。
解决方法： 使用 ocr.ocr('img.jpg', cls=True) 或在类初始化时设置 use_angle_cls=True。

3. convertpirattribute2runtimeattribute (Windows OneDNN 冲突)

原因： Windows 平台下 PIR 编译器与 OneDNN 加速存在属性映射异常。
解决方法： 在导入 paddle 之前添加环境变量：import os; os.environ['FLAGS_enable_pir_api'] = '0'。

4. 如何提取文本框四边形坐标与置信度过滤？

result = ocr.ocr('invoice.jpg', cls=True)
for line in result[0]:
    box = line[0]        # 四点坐标 [[x1,y1],[x2,y2],[x3,y3],[x4,y4]]
    text, score = line[1] # 识别文字与置信度分数
    if score >= 0.85:
        print(f"高置信度文字: {text}, 坐标: {box}")

5. Windows 下报错 ImportError: DLL load failed

解决方法： 下载并安装微软官方发布的 Visual C++ 2015–2022 Redistributable (x64)。

版本更新记录