一、速览

入门

PaddleOCR 是一个开源的 OCR 工具包。OCR（光学字符识别）有点像“把照片里的字变成电脑能复制的文字”：你给它一张合同照片、一个路牌截图或一页扫描版 PDF，它就能输出可以复制、搜索、编辑的文本。

它解决的最直接问题是：以前遇到扫描件、证件照、街景招牌，只能自己对着图手动敲字；现在可以让程序自动完成提取，速度快、能批量处理。

PaddleOCR 由百度飞桨团队维护，支持 100 多种语言，中英文识别效果尤其成熟。它既可以在普通电脑 CPU 上运行，也支持 GPU 加速，还能嵌入到 Python 程序里，作为文档处理或 AI 应用的数据入口。

如果你只是想从几张图片里复制文字，用它就够了；如果你想做更复杂的表格还原、PDF 转 Markdown，它也有对应的文档解析组件可以继续扩展。

二、快速部署

入门

在开始之前，你需要准备一台能联网的电脑或 Linux 服务器。联网是因为安装工具和首次下载识别模型都需要访问网络。电脑上要安装 Python 3.8 到 3.12 之间的版本，因为 PaddleOCR 目前只支持这些环境。

Python 可以理解为“程序运行所需的翻译官”，电脑里的很多脚本和工具都要靠它执行。你可以打开终端（Windows 叫命令提示符，macOS/Linux 叫终端），输入下面的命令检查版本：

python --version

如果显示 Python 3.10.x 之类的信息，就说明环境没问题。如果提示找不到 Python，需要先去 python.org 下载安装。

建议使用虚拟环境，它相当于一个独立的工具箱子，不会因为你给这个项目装的依赖而影响电脑里其他 Python 项目。创建并进入虚拟环境：

python -m venv paddle_env
source paddle_env/bin/activate  # macOS / Linux
paddle_env\Scripts\activate  # Windows

激活成功后，命令行开头会出现 (paddle_env)。接下来安装 PaddleOCR。这里要安装两个包：paddlepaddle 是运行引擎，paddleocr 是识别工具本身。pip 可以理解为 Python 的“应用商店”，用来下载安装这些包。

pip install paddlepaddle paddleocr

如果你在国内，下载速度可能较慢，可以在命令后面加上国内镜像源：

pip install paddlepaddle paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，先验证工具是否能正常调用：

paddleocr --help

如果屏幕打印出一长串帮助信息，说明安装成功。接下来随便找一张带文字的图片，手机拍的照片也可以，放到当前目录。第一次运行会下载识别模型，这有点像“第一次用厨房前先买食材”，下载后会被缓存起来，以后就不需要重复下载。

paddleocr --image_dir ./test.jpg --lang ch

这里 --lang ch 表示按中文识别。运行结束后，终端里会输出识别到的文字，同时结果也会保存到 inference_results 目录，包含文本文件和 JSON 文件。

三、功能导览

进阶 · 推荐细读

命令行是最简单的使用方式，适合一次识别一张或整个文件夹的图片。把 --image_dir 指向一个文件夹路径，PaddleOCR 就会自动处理里面所有图片，结果同样汇总到结果目录。

如果你想在程序里自动识别，可以使用 Python API。API 可以理解为“程序之间对话的接口”，你写一段 Python 代码，它把图片交给 PaddleOCR，再把结果拿回来。

下面是一个最小示例：

from paddleocr import PaddleOCR

ocr = PaddleOCR(lang='ch')  # 初始化识别器，语言为中文
result = ocr.ocr('test.jpg')

for line in result[0]:
    print(line[1][0])  # 输出识别出的文字

运行这段代码后，识别结果会逐行打印到控制台。每一行结果除了文字本身，还包含它在图片中的位置坐标和置信度。置信度可以理解为模型的“自信程度”，数值越接近 1，说明模型认为这句识别结果越可靠。

对于扫描版 PDF，直接喂给 PaddleOCR 并不总是能一步到位，常见做法是先把 PDF 的每一页转成图片，再交给 OCR 处理。如果 PDF 本身是文字版，直接从阅读器复制文本即可，不需要 OCR。对于表格还原、版面分析等更复杂的需求，PaddleOCR 生态里还有 PP-Structure 组件，可以后续再接触。

四、配置详解

进阶 · 推荐细读

PaddleOCR 的行为由多个参数控制。参数就是放在命令后面、用 -- 开头的一串选项，你可以在命令行里随时调整它们。

下面这张表列出了最常用的参数：

识别模型分为“轻量移动端”和“服务端高精度”两种思路。默认下载的是速度较快、占用资源较少的模型，适合在普通电脑上跑；如果你处理的是清晰度低、文字密集的文档，可以换用更准确的模型。具体可切换的模型名称，可以通过 paddleocr --help 查看 --ocr_version 等参数说明。

语言方面，新版 PaddleOCR 支持用一个统一模型同时识别中文、英文、日文以及 46 种拉丁字母语言，处理多语言混排文档时不需要反复切换模型。对于其他语言，也提供了单独的模型包。

如果你在服务器上长期运行，不建议依赖每次自动下载模型。可以提前下载模型文件，并把路径传给 --det_model_dir 和 --rec_model_dir，这样启动更快，也方便离线部署。

五、常见问题

入门

刚上手时最常遇到的是环境问题。比如运行 Python 代码时提示 No module named paddle，通常是因为安装 PaddleOCR 时用的虚拟环境和当前运行代码的环境不是同一个。激活对应虚拟环境再运行即可。

另一个常见现象是第一次识别时卡住不动，这多半是正在从网络下载模型文件。如果网络不稳定，下载会变慢甚至失败。建议保持网络顺畅，或者使用国内镜像源安装依赖。

识别准确率不理想时，问题往往不在工具本身，而在图片质量。模糊、倾斜、反光、文字太小都会影响结果。可以优先用清晰、正向的图片，开启 --use_angle_cls true 处理旋转文字，或者把大图裁剪到目标区域再识别。

如果处理超大图片时内存占用过高，可以先缩小图片尺寸，或者把批处理改成一张一张执行。对于普通个人使用，CPU 模式足够；只有批量处理大量文档时，才需要考虑 GPU 或服务化部署。

PaddleOCR 本身不监听网络端口，所以不存在端口冲突问题。初学者不需要担心反向代理、SSL 证书这些服务器运维概念，先把本地识别跑通，再考虑把命令封装成接口提供给别人使用。

项目信息

参考链接

• GitHub 仓库
• 项目主页

延伸阅读

想继续探索？这些同领域的教程可能也适合你：

• 「GithubStarsManager」中文使用教程
• 「HivisionIDPhotos」中文使用教程
• 「ChatGPT」中文使用教程