Mistral OCR 文档处理工具

这个项目使用 mistral-ocr-latest 模型处理 PDF 与图片（当前对应 Mistral OCR 4），提取文本与图像并保存为 Markdown。

功能特点

• 🚀 使用 mistral-ocr-latest 模型（当前对应 Mistral OCR 4）
• 📄 支持 PDF 与图片输入（PNG、JPG、WebP、GIF、BMP、TIFF）
• 🖼️ 提取并保存文档中的图像
• 📝 生成以原文件名命名的 Markdown 文件
• 🌏 支持中文等多种语言
• 🌐 Web UI 支持：
  • 实时进度展示
  • 最多 5 个文件并发处理
  • 暂停/继续/取消任务
  • 部分完成文件支持下载
  • 下载文件带时间戳命名

安装要求

pip install "mistralai>=2" flask

SDK 兼容 mistralai 1.x / 2.x，代码优先使用 2.x；若环境仅有 1.x 也可运行。

使用方法

1. 获取 API 密钥

1. 访问 Mistral AI Console 注册或登录账号
2. 进入 API Keys 页面 创建 API 密钥
3. 更多信息请参考 Mistral AI 快速入门文档

2. 设置环境变量

在 Linux 或 macOS 上：

export MISTRAL_API_KEY="your_actual_api_key"

在 Windows PowerShell 中：

$Env:MISTRAL_API_KEY="your_actual_api_key"

3. 启动 Web UI（推荐）

python webui.py

浏览器访问 http://localhost:8080，可上传 PDF 或图片批量处理。

4. 命令行模式（可选）

python pdf_ocr.py your_document.pdf
python pdf_ocr.py photo.png
python pdf_ocr.py scan.jpg -o custom_output_folder

未指定输出目录时，结果保存在 ocr_results_[文件名] 文件夹中。

输出结果

每个文件会生成一个输出目录，包含：

• [文件名].md：OCR 识别的 Markdown 内容
• images/：提取出的图像（如有）

下载的 ZIP 文件命名格式：ocr_results_YYYYMMDD_HHMMSS.zip

注意事项

• 请确保文件路径正确且文件可访问
• API 密钥需要具有 OCR 功能的访问权限
• 若输出目录已存在，同名 .md 文件可能会被覆盖