PaddleOCR 本地部署快速上手：5分钟跑通多语言 OCR 与文档解析-平芜编程栈

PaddleOCR 本地部署快速上手：5分钟跑通多语言 OCR 与文档解析

【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR

PaddleOCR 是飞桨生态的开源 OCR 工具包，负责把图像和 PDF 文档转换成程序与 LLM 可直接使用的结构化数据：文本框坐标、识别文本、版面元素，以及 Markdown 和 JSON 文件。无论你是想先验证图片识别效果的新手，还是要搭 RAG 文档数据链路的开发者，它都能以一条命令的代价完成从安装到出结果的完整闭环。

📍 定位速览

PaddleOCR 不是一个单模型，而是一套产线化工具集：在飞桨之上集成了文档预处理、文本检测、文本识别和版面解析。PP-OCRv6 系列用单个模型覆盖中、英、日等 50 种语言；PP-StructureV3 能把 PDF 解析成 Markdown 或 JSON；PaddleOCR-VL 则用 0.9B 参数的视觉语言模型处理更复杂的文档解析。和只做识别的轻量库相比，它的差异在于“预处理—检测—识别—版面”都是可开关的产线模块，可按需组合，3.5 起还能在 PaddlePaddle 与 Transformers 两个推理引擎之间切换。

🛠️ 环境与首次运行

PaddleOCR 3.x 默认以飞桨 3.0 及以上版本作为推理引擎，先装底层框架（CPU 版）：

python -m pip install paddlepaddle==3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

这条命令安装的是承担实际推理的飞桨框架；有 NVIDIA GPU 时换装对应 CUDA 版本的包，具体对应关系按飞桨官网安装文档选择即可，步骤相同。

再安装 PaddleOCR 包本体。all依赖组包含文档解析、信息抽取等可选能力：

python -m pip install "paddleocr[all]"

只跑文字识别和文档图像预处理时，不带依赖组直接装paddleocr就够。装完即可跑第一次识别，下面这条命令对一张图完成检测加识别（把图片路径换成你自己的本地图片）：

paddleocr ocr -i ./general_ocr_002.png \ --use_doc_orientation_classify False \ --use_doc_unwarping False \ --use_textline_orientation False

三个开关关闭了文档方向分类、页面去扭曲、文本行方向分类这三步预处理，适合拍摄正常的图片；首次运行会自动下载模型文件，运行结束输出每个文本框和识别文本，并在当前目录保存可视化图片和 JSON 结果。

📖 由浅入深的用法

用 CLI 子命令跑不同能力

paddleocr把每种能力做成独立子命令，按需选用。完整产线、单独检测、单独识别分别对应三个命令：

# 完整产线：文本检测 + 文本识别 paddleocr ocr -i ./general_ocr_002.png # 单独文本检测，输出文本框坐标 paddleocr text_detection -i ./general_ocr_001.png # 单独文本识别，输入应为裁剪好的文本行 paddleocr text_recognition -i ./general_ocr_rec_001.png

要把含表格、版面的完整文档解析成 Markdown，改用pp_structurev3子命令，依赖组的取舍见安装说明。

用关键开关控制产线行为

常用开关都是布尔开关。上文三个开关分别针对 180 度倒置的文档、卷曲或反光页面、竖排文字，图片正常时关掉可以省掉这部分耗时。处理特定硬件或多语言场景时，还会用到--lang、--device这类参数，其中--engine指定推理引擎，可传paddle或transformers：

paddleocr ocr -i ./general_ocr_002.png --engine transformers

把 OCR 集成进 Python 脚本

写业务代码时直接实例化PaddleOCR类并调用predict，结果对象既能打印，也能存成可视化图片或 JSON：

from paddleocr import PaddleOCR ocr = PaddleOCR( use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False) for res in ocr.predict("./general_ocr_002.png"): res.print() res.save_to_json("output")

构造参数与命令行开关一一对应，你在 CLI 里调好的参数可以直接搬进脚本，不用重新摸索。