做了个不用联网本地使用的paddleocr识别程序，主要是把pdf to txt

izisak

最近下载了不少pdf文件，手机看起来费劲，没找到合心意的，就打包了百度的paddleoce（3.2版本），本地使用不用联网，主要是把pdf和图片转变成txt文件。
使用的是PP-OCRv5_mobile_det，为啥用它，电脑破而已，带不起服务端。如果你电脑牛逼，你可以修改dxc.py把模型换成服务端试试。

蓝奏网盘总上传失败，只能百度：https://pan.baidu.com/s/1mk91OEnmnDqpiV3tDD70iw?pwd=1111，下载里面的paddleocr.rar压缩包，解压到任意目录（不要包含中文，根目录最好）,双击运行1.bat。
提取码：1111
简单的一批就不做图形界面了，总共就4步，dxc.py是主脚本，你可修改成你需要的功能：

1.拖入文件回车，然后选择提取的页面范围。
2.选择横竖版面，直接回车就是自动识别（如果是竖版的话，是从右往左提取的）。
3.选择放大倍数，如果字体太小导致识别率不高时，可适当放大到1.5，2倍
4.选择线程数，超过10个页面才会出现这个选择，cpu好的可试试6，8。完成后文件保存在程序目录。

DGHer

微软最近开源了一个markitdown，能转成md文件，也是不错的。要是和ai交互用，md更合适一些。

wooailein

谢谢分享，能本地运行确实很不错，如果能作为插件导入pdf使用就更好了，可以实现一边查看，一边识别，

doglove

好帖子，支持你。

andyfky

识别效果还是不错的。

ximenlezi

感谢分享，试一下识别效果

52leexiaoyi

感谢楼主分享
去试试识别效果如何

宜城小站

正好需要这样的文档操作，感谢楼主分享

bigdot

我想问的是，这个与常规AI相比，性能如何？当然AI是大炮打蚊子！

王成

识别效果还是不错！

不依baya

试试识别效果怎么样呢