PaddleOCR 实战：中文文字识别从安装到部署

PaddleOCR 实战：中文文字识别从安装到部署

发票、证件、截图、表格——"把图片里的字提取出来"是需求最旺的 AI 能力之一。PaddleOCR 是中文场景最强的开源 OCR 方案，几行代码就能用。这篇从安装到部署一条龙。

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/8f24c3a4a65042a48737a69faae03422.png

前言

接过的需求里，"识别图片里的字"出现频率极高：客户拍一张发票要提取金额、拍一张合同要转成文字、截图里的代码要复制出来。手动抄？几百张图会疯。

PaddleOCR 是百度开源的中文 OCR 方案，中文识别效果目前开源里数一数二，而且用法极简。这篇把"识别"和"部署成服务"都讲清楚。

环境准备（先装依赖）：

pip install numpy paddlepaddle "paddleocr<3"

一、PaddleOCR 是什么

PaddleOCR 是百度的开源文字识别套件，两阶段架构：

图片 → 文本检测（找出文字在哪）→ 文本识别（认出是什么字）→ 结果

• 检测：定位图片里所有文字区域（文本框）；
• 识别：把每个文本框里的字识别出来；
• 附带方向分类器：自动纠正旋转的文字。

模型（PP-OCRv4/v5 系列）预训练好的，直接下载使用，不用训练。

二、安装

:: 1. 装 PaddlePaddle 框架（CPU 版；有 N 卡用 paddlepaddle-gpu）
pip install paddlepaddle

:: 2. 装 PaddleOCR（本文以 2.x 稳定版为例，API 简洁）
pip install "paddleocr<3"

三、最快上手（五行代码）

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang="ch")   # 中文识别

result = ocr.ocr("收据.jpg", cls=True)            # 识别

for line in result[0]:
    box, (text, conf) = line[0], line[1]
    print(f"{text}  置信度 {conf:.2f}")

输出示例：

北京科技有限公司  置信度 0.99
发票号码：12345678  置信度 0.98
金额合计：壹仟元整  置信度 0.95

每行包含：文本框坐标（box）、识别文本、置信度。第一次运行会自动下载模型（几十 MB）。

运行验证：准备一张带文字的图片（发票/截图/拍照），运行识别代码，期望终端逐行打印"文本 + 置信度"（如上），置信度 0.9+ 属正常水平。识别乱码先确认图片清晰、文字正立；角度斜的先旋转校正再识别。

注意：PaddleOCR 3.x 换了 API（用 ocr.predict()），本文代码对应 2.x，装的时候按上面命令固定版本，代码就能直接跑。

四、进阶用法

1. 按位置排序：默认返回顺序不保证是阅读顺序，按 box 的纵坐标排序即可还原"从上到下"：

   lines = sorted(result[0], key=lambda l: l[0][0][1])   # 按左上角 y 排序
   

2. 整图转文字：把识别结果拼起来，就是"图片 → 纯文本"：

   text = "\n".join(l[1][0] for l in lines)
   open("out.txt", "w", encoding="utf-8").write(text)
   

3. 表格识别：需求是"发票/表格转 Excel"？PaddleOCR 的 PP-Structure 系列支持版面分析 + 表格还原，一个接口出结构化数据。

五、部署成服务

pip install fastapi uvicorn

from fastapi import FastAPI, UploadFile
from paddleocr import PaddleOCR
import numpy as np, cv2

app = FastAPI()
ocr = PaddleOCR(use_angle_cls=True, lang="ch")

@app.post("/ocr")
async def ocr_api(file: UploadFile):
    data = await file.read()
    img = cv2.imdecode(np.frombuffer(data, np.uint8), cv2.IMREAD_COLOR)
    result = ocr.ocr(img, cls=True)
    texts = [line[1][0] for line in (result[0] or [])]
    return {"texts": texts}

启动 uvicorn main:app --port 8000，客户 POST 一张图，返回文字列表——这就是能卖的"图片转文字"接口。

六、常见坑

坑	解决
装 paddlepaddle 报错	先确认 Python 版本（3.8~3.11 兼容最好）；GPU 版和 CUDA 版本要匹配
API 对不上（3.x）	按文章固定 paddleocr<3；或改用 3.x 的 predict 写法
识别效果差	图片清晰度/角度：先旋转校正、提高分辨率再识别
中文路径报错	图片路径用英文；读文件用 cv2.imdecode（如上）避免编码问题
服务内存占用高	模型常驻内存是正常的（几百 MB）；按需加载或加缓存

七、总结

• 一句话：PaddleOCR = 中文 OCR 的最优解之一，检测+识别开箱即用；
• 接单角度：票据/证件/截图文字提取、发票信息录入、文档数字化，全是高频需求，一个 FastAPI 接口就能交付；
• 组合拳：和 《PyTorch 模型导出 ONNX》、《Docker 容器化实战》配合，OCR 服务直接容器化交付。

觉得有用点个赞收藏，有问题评论区见，看到都会回。