代码收藏家 告别手动输入，Python OCR解决方案全面解析
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：
2.2 为什么选择Python实现OCR？
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：
- 高性能：采用先进的深度学习技术，识别速度快，准确率高。
- 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。
- 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 |
|
|
bool |
False |
是否检测文字方向（0/90/180/270度） |
|
|
str |
'ch' |
支持80+语言组合，如 |
|
|
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：
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/wikiimport 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
4.2 EasyOCR：即用型多语言OCR
核心特点
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
（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：
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
作者：凌小添
