基于 RapidOCR (PP-OCRv6) 文字识别 + PP-DocLayoutV3 版面分析 + RapidTable 表格重建 + PP-FormulaNet_plus-M 公式识别的离线图片文字识别工具。支持批量识别、版面结构还原（标题/正文/表格/图片/公式）、检测框可视化，一键导出 Markdown / Word / TXT / JSON / Excel。AI 模型由「不忙脚本盒子」统一下载管理，脚本本身不含模型。
- 离线识别：RapidOCR PP-OCRv6 引擎，本地 CPU 推理，无需联网、不上传图片
- 版面分析：PP-DocLayoutV3（24 类版面元素），还原标题、正文、表格、图片、公式等结构，并据此重排阅读顺序
- 表格重建：RapidTable (SLANetPlus) 独立表格结构模型，正确还原表头、行、列与单元格；小表复用全文 OCR 提速，大表自动缩放重建保证完整；输出 Markdown / Word / Excel 表格（Excel 支持合并单元格）
- 公式识别：PP-FormulaNet_plus-M（PP-FormulaNet_plus 系列最高精度档，En-BLEU 91.45%），版面检出的公式区域识别为 LaTeX（
$$...$$），可按需开启 - 检测框可视化：自动保存带文字检测框的标注图（可开关）
- 多格式导出：Markdown / Word / TXT / JSON / Excel（每个表格一个 sheet，精确还原行列；非表格文本入「文本」sheet）；Word 中的公式会转成可编辑的 Word 原生公式（OMML），不是纯文本粘贴的 LaTeX
- 批量处理：一次选中多张图片逐个识别，支持多核并行（可配并行数），结果与源图同目录输出（
原文件名_ocr后缀） - 自动预处理：可选手动或「自动」模式，低对比度/低质量图自动增强
- 定时任务：配置好图片与参数，到点自动静默识别
- 节点联动：可被其他脚本调用，返回识别文本、坐标与表格单元格结构
本脚本的运行环境、依赖组件及图形化窗口均依赖"不忙脚本盒子"，建议仅通过盒子安装和使用本脚本。
前置条件：安装好 不忙脚本盒子
- 打开盒子 → 脚本市场 → 搜索 「离线OCR」
- 点击「安装」——盒子会自动下载所需的 AI 模型），请保持网络畅通
- 在盒子里点击脚本卡片，弹出运行设置窗口
- 点击「源文件」右侧的文件选择器，选择要识别的图片（可多选）
- 按需调整参数：检测阈值、预处理、导出格式、检测框可视化
- 点击「执行」，完成后在图片所在目录查看
_ocr.md/_ocr.docx等结果文件
- 在文件管理器中选中一张或多张图片（支持 png/jpg/jpeg/bmp/tiff/webp）
- 右键 → 选择 「离线OCR」
- 盒子弹出运行窗口并预填所选图片，调整参数后点「执行」
- 打开盒子 → 定时任务 → 新建任务 → 选择 「离线OCR」
- 在表单中填写源文件与识别参数（阈值/预处理/导出格式），设置触发时间
- 到点自动在后台识别，结果写入图片同目录，执行记录显示成功/失败
| 参数 | 说明 |
|---|---|
| 版面分析 | 启用 PP-DocLayoutV3 版面分析（还原标题/表格/图片/公式结构）；关闭则仅纯文本排版，且不加载版面模型，速度更快 |
| 版面阈值 | 版面区域检测置信度阈值（0.1-0.9），仅版面分析开启时生效 |
| 检测阈值 | OCR 文本检测置信度阈值（0.1-0.9），越低识别越多、误检也越多 |
| 预处理 | 无 / 自动(低对比度自动增强) / 灰度化 / 二值化 / 降噪 / 增强对比度 |
| 导出格式 | Markdown / Word / TXT / JSON / Excel（表格图推荐，自动拆分为多个 sheet） |
| 检测框可视化 | 开启时额外保存带绿色文字检测框的 _ocr_boxes.png 标注图 |
| 公式识别 | 将版面检出的公式区域识别为 LaTeX（按需开启，单条约 1-2 秒） |
| 并行数 | 批量处理并行数，0=自动（不超过 4 个线程，也不超过图片数），1=串行，最大 8 |
本脚本声明为节点，可被其他盒子脚本通过 /api/link 调用。返回业务键：
| 业务键 | 类型 | 说明 |
|---|---|---|
results |
list | 各图片导出的结果文件路径列表 |
text |
str | 合并后的 Markdown 识别文本 |
ocr_data |
list | 逐图 OCR 结构化结果：[{image, items:[{text, score, box, points}], tables:[{bbox, cells:[{row, col, text, box}]}]}] |
联动调用示例：
import json, sys, requests
payload = json.load(open(sys.argv[1], encoding="utf-8"))
api_base = payload["environment"]["api_base"]
OCR_ID = "e8a3c1d0-6b4f-4a7e-9c2d-5f1e8b3a7d0c" # 本脚本 script_id
r = requests.post(f"{api_base}/api/link", json={
"script_id": OCR_ID,
"data": {"target_paths": ["C:/scan.png"]},
"params": {"export_format": "Markdown", "box_thresh": 0.5},
}, timeout=3600)
body = r.json()
if not body.get("success"):
raise RuntimeError(body.get("message", "联动调用失败"))
result = body["result"]
if result.get("code") != 0:
raise RuntimeError(result.get("msg"))
text = result["text"] # 识别出的 Markdown 文本
out_files = result["results"] # 导出文件路径列表
entry = result["ocr_data"][0] # 首图结构化结果
for it in entry["items"]:
print(it["text"], it["box"]) # 文本 + [x1, y1, x2, y2]
for t in entry.get("tables", []): # 表格单元格（含坐标/行列号）
for c in t["cells"]:
print(c.get("row"), c.get("col"), c.get("text"), c["box"])- 批量识别运算量较大，建议先关闭其他大型应用
- 只需纯文本时可关闭「版面分析」，跳过版面模型加载，识别更快
- 版面结构还原不准确时，可调高「版面阈值」过滤低置信度区域
- 表格区域会自动裁剪并用 RapidTable 重建，无需额外设置
- 识别公式时：开启「公式识别」即可，Markdown 输出
$$...$$，Word 输出可编辑的 Word 原生公式，Excel/文本 sheet 以 LaTeX 行出现 - Word 公式走 LaTeX → MathML → OMML 转换（纯 Python，无需本机装 Office）；若
latex2mathml/mathml2omml缺失或转换失败，会退化为插入 LaTeX 原文，公式内容不会丢 - 选择「Excel」导出时，每个检测到的表格写入独立 sheet（按行列精确放置），图内标题/说明等文本放入「文本」sheet
- 导出格式选 JSON 时，节点返回的
text为空，请直接使用results中的 JSON 文件或ocr_data - 识别效果不佳时，优先尝试「增强对比度」预处理，再调低检测阈值
- 方向校正采用整页投票。PP-OCR 的方向分类器是 0°/180° 二分类，对短文本行（三两个字）存在误判概率，而它一旦判错就会把正立的行真的旋转 180°，导致漏字甚至数字错位（实测出现过「显示器」→「器」、「备注」整格丢失、「300mg」→「30mg」）。本工具改为统计整张图被判倒转的行占比，占比过低时视为零星误判、不执行旋转 —— 既消除了误判，又保留了处理真正倒转图片的能力
- 本工具不做整页旋转。若原图整体倒置，每一行文字会被逐行转正，但行的阅读顺序仍按图像坐标排列，段落顺序和表格行序会颠倒。遇到整体倒置的图片，建议先转正再识别
- 在盒子外直接跑 CLI 时（无
BM_API_BASE），脚本拿不到盒子下发的模型路径，会自动退回各识别库自带的按需下载（模型落到用户缓存目录，不会写进脚本目录）。日常使用建议始终通过盒子运行
| 项目 | 要求 |
|---|---|
| 操作系统 | Windows 10+（64 位） |
| 运行环境 | Python 3.10+（由盒子自动管理） |
| 版面模型 | PP-DocLayoutV3（约 131 MB，安装脚本时由盒子自动下载） |
| 公式模型 | PP-FormulaNet_plus-M（约 594 MB，安装脚本时由盒子自动下载） |
| 表格模型 | SLANetPlus（随 Python 包自动下载，约 8 MB） |
| 公式转 Word | latex2mathml + mathml2omml（由盒子自动安装，纯 Python，不需要 Office） |
| Excel 支持 | openpyxl（由盒子自动安装） |