RapidOCR 快速上手：3 步跑通本地图片文字识别-平芜编程栈

RapidOCR 快速上手：3 步跑通本地图片文字识别

【免费下载链接】RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.项目地址: https://gitcode.com/GitHub_Trending/ra/RapidOCR

RapidOCR 是一个本地运行的 OCR（光学字符识别）工具库。你给它一张图片，它还你文字内容加位置坐标，全程不依赖云端接口。识别走"文本检测 → 方向分类 → 文字识别"三级流水线，支持中、英、日、韩、阿拉伯语等 15 种以上语种，默认基于 ONNX Runtime 在 CPU 上就能跑，也可以切换 PyTorch、TensorRT 等推理引擎。

三步让 RapidOCR 跑起来

这一步的目标：装好库，认出第一张图片里的字。

第一步，安装。它依赖 OpenCV 和 NumPy，安装时会自动带上：

pip install rapidocr

第二步，写一个最小脚本。图片放哪都行，路径传进去即可：

from rapidocr import RapidOCR engine = RapidOCR() result = engine("your_image.jpg") print(result.txts)

第三步，执行脚本。首次运行时，RapidOCR 会自动把默认模型下载到本地缓存目录，稍等片刻属正常现象。屏幕上应打印出类似('识别出的第一行文字', '第二行文字', ...)的元组，说明三级流水线全部走通。

想不写代码验证环境，也可以直接执行rapidocr check，它会跑通一次检测并报告依赖是否齐全。仓库里的 python/demo.py 是官方最小示例，和上面脚本几乎一致。

结果里有什么：文本、坐标和置信度

engine(...)返回的是RapidOCROutput对象，核心就三个字段：

txts：识别出的文字元组
boxes：每段文字的四点坐标，用于在原图上画框
scores：每段文字的置信度，0~1 之间的浮点数

它还有几个即插即用方法，覆盖常见导出需求：

result.to_json() # 转成 [{text, box, score}] 形式的 JSON 列表 result.to_markdown() # 转成 Markdown 纯文本 result.vis("vis.jpg") # 在原图上画框存图，返回可视化图片

调用result.vis("vis.jpg")后，当前目录会生成一张标注好的图片，框、文字、置信度一目了然。这是判断"识别得对不对"最快的方式。

上面这类深色背景浅色字的图也支持。如果你只想跑部分环节（比如只要文字位置不要识别），在调用时传use_det=True, use_rec=False即可，内部机制见 python/rapidocr/main.py。

换语言识别：日语、韩语、阿拉伯语

默认配置面向中文场景，但识别环节可以换语种。语种由Rec.lang_type控制，通过params参数覆盖，不需要改文件：

from rapidocr import RapidOCR engine = RapidOCR(params={"Rec.lang_type": "japan"}) result = engine("japan.jpg") print(result.txts)

支持值包括japan、korean、arabic、cyrillic、devanagari、chinese_cht等，完整清单在 python/rapidocr/utils/typings.py 的LangRec里。换成日语图再跑，txts里应输出日文文字，模型会在首次使用时自动下载对应语种的版本。

想固化一套配置，执行rapidocr config --save_cfg_file my.yaml生成配置模板，再用RapidOCR(config_path="my.yaml")加载。params优先级高于配置文件，两者可以叠加。完整配置项集中在 python/rapidocr/config.yaml。

切换推理引擎与指定模型路径

默认推理引擎是 ONNX Runtime，无需额外依赖。如果你的环境有 GPU 或已装其他框架，可以把三个环节分别换成对应引擎：

params = { "Det.engine_type": "torch", "Rec.engine_type": "torch", } engine = RapidOCR(params=params)

可选值来自EngineType：onnxruntime、openvino、paddle、torch、tensorrt、mnn，各引擎的线程、显存等高级开关在config.yaml的EngineConfig段里，比如 TensorRT 的 FP16、CUDA 的设备号。想离线部署或预下载模型，可执行rapidocr download_models，模型清单和校验和见 python/rapidocr/default_models.yaml。

常见问题与踩坑提示

首次运行卡在下载：模型默认从 ModelScope 拉取，无外网环境会一直等待。用rapidocr download_models在有网机器上预下载，再把models目录拷到目标机，或设Global.model_root_dir指向已有目录。
txts输出为空：先确认图上真的有大字。小字会被min_side_len、text_score（默认 0.5）过滤掉；把text_score调低到 0.3 重试，或检查图片是否超过max_side_len（默认 2000 边长上限）被缩放过。
竖排文字识别乱：竖排文本依赖方向分类环节，确保use_cls为true（默认开启）。参考测试图 python/tests/test_files/text_vertical_words.png。
想批量处理：对目录里每张图片循环调用engine(...)，累积result.to_json()即可；识别引擎本身可跨线程复用，模型加载带锁，不会重复加载。
接入 HTTP 服务：仓库的 api/ 目录指向配套的 RapidOCRAPI 项目，把本库包一层 FastAPI 即可对外提供识别接口；ocrweb/ 则是配套的 Web 演示页面。