Repolode
提交项目
mindee

mindee/doctr

基于 PyTorch 的开源 Python OCR 库，使用深度学习模型识别 PDF 和图片中的文字。

可替代:Adobe Acrobat

在 GitHub 查看官网
Star
6,391
Fork
687
未关闭 Issue
22
最近提交
9小时前

这是什么？

docTR 是一个基于深度学习的 Python OCR 库，采用两阶段流程：先用文本检测模型定位页面中的单词，再用文本识别模型读出每个单词的字符。输入可以是 PDF、图片或网页，输出为包含页面、块、行和单词层级的结构化 Document 对象，并可导出为嵌套的 JSON。

库中内置多种检测模型（如 DBNet、LinkNet、FAST）和识别模型（如 CRNN、SAR、MASTER、ViTSTR、PARSeq），通过一个 ocr_predictor 调用即可加载预训练权重。此外还提供用于多类别字段抽取的 KIE 预测器、可选的版面分析，以及对旋转页面和有方向文本框的处理。

项目还附带 Streamlit 演示应用、支持 GPU 的 Docker 镜像、用于通过 HTTP 提供 OCR 服务的 FastAPI 模板和示例分析脚本。

核心功能

  • 01结合文本检测与文本识别的两阶段 OCR 流程。
  • 02支持读取 PDF、图片和网页作为输入。
  • 03提供多种检测与识别模型架构及预训练权重。
  • 04KIE 预测器可检测并抽取多类别字段。
  • 05结果可导出为结构化对象或嵌套 JSON，并支持可视化与页面重建。
  • 06提供支持 GPU 的 Docker 镜像和 FastAPI 集成模板。

适用场景

  • 从扫描 PDF 或拍摄的文档中提取文字及其位置。
  • 从表单和发票中抽取日期、地址等特定字段。
  • 为 Python Web 服务添加 OCR 接口。
  • 基于 PyTorch 原型开发或微调 OCR 模型。

快速上手

  1. 1

    从 PyPI 安装软件包

    pip install python-doctr
  2. 2

    使用默认预训练模型对 PDF 进行 OCR

使用前须知

  • 需要 Python 3.11 或更高版本。
  • 部分功能（如读取网页 URL、可视化）需要额外安装依赖，例如 weasyprint、matplotlib 和 mplcursors。

标签

#ocr#deep-learning#pytorch#text-detection#text-recognition#document-analysis#computer-vision#document-recognition#optical-character-recognition#tensorflow2

常见问题

doctr 是什么？
基于 PyTorch 的开源 Python OCR 库，使用深度学习模型识别 PDF 和图片中的文字。 docTR 是一个基于深度学习的 Python OCR 库，采用两阶段流程：先用文本检测模型定位页面中的单词，再用文本识别模型读出每个单词的字符。输入可以是 PDF、图片或网页，输出为包含页面、块、行和单词层级的结构化 Document 对象，并可导出为嵌套的 JSON。
doctr 可以免费使用吗？用的什么许可证？
doctr 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
doctr 还在维护吗？
活跃维护中。doctr 最近一次提交是在 2026年10月19日。
doctr 适合用来做什么？
从扫描 PDF 或拍摄的文档中提取文字及其位置。 从表单和发票中抽取日期、地址等特定字段。 为 Python Web 服务添加 OCR 接口。 基于 PyTorch 原型开发或微调 OCR 模型。
doctr 怎么安装和运行？
从 PyPI 安装软件包: pip install python-doctr 使用默认预训练模型对 PDF 进行 OCR
在哪里获取 doctr？
源代码和安装说明在 GitHub 上：https://github.com/mindee/doctr

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目