Repository navigation
Command line RU
🌐 English · Русский
Команда ocr выводит текст одного документа или сохраняет папку сканов в текстовые файлы.
Установите 0.5.1 и скачайте примеры.
ocr scan.png
ocr scan.pdfРаспознанный текст появится в терминале. Чтобы сохранить текст изображения в файл:
ocr scan.png > result.txtocr ./scans ./outДля каждого входного файла создаётся один .txt в ./out. Файлы должны лежать непосредственно в ./scans; вложенные папки не обрабатываются.
| Задача | Команда |
|---|---|
| Прочитать изображение, повёрнутое набок | ocr photo.jpg --orientation |
| Сохранить связь текста с ячейками таблицы | ocr invoice.png --tables |
| Выбрать украинский язык | ocr scan.png --lang uk |
| Заново распознать PDF со старым OCR-текстом | ocr scan.pdf --force-ocr |
| Использовать два обработчика | ocr scan.pdf --workers 2 |
| Сохранить текст и координаты в JSON | ocr scan.png --out result.json |
Используйте python -m occular вместо ocr, если нужно выбрать конкретное окружение Python. Полный список параметров покажет ocr --help.
Скачайте sample.png в текущую папку и выполните:
ocr sample.png --out result.json
python -c 'import json; print(json.dumps(json.load(open("result.json", encoding="utf-8"))[0], ensure_ascii=False))'Первая команда сохраняет записи всех строк. Вторая выводит первую запись целиком. Ниже для удобства добавлены переносы строк; значения не изменены:
{
"quad": [[40.124351501464844, 36.57715606689453],
[253.87939453125, 37.456809997558594],
[253.78701782226562, 59.90723419189453],
[40.03197479248047, 59.02758026123047]],
"text": "INVOICE147",
"confidence": 0.8399540815016954,
"orientation_deg": 0,
"layout": "horizontal",
"layout_region": 0,
"layout_label": "SectionHeader"
}text — распознанная строка, quad — четыре её угла, а confidence — оценка уверенности распознавания. Остальные поля описывают ориентацию и принадлежность к области макета; значения полей. Это результат для изображения, поэтому координаты заданы в пикселях обработанного изображения.
Без --tables JSON изображения представляет собой список записей строк, а JSON PDF — список страниц, каждая с полем results. При --tables JSON изображения — объект с полями results и tables. На настоящем запуске в терминале ниже видны обе команды и первая запись целиком:
Имена файлов при пакетной обработке, JSON и другие детали
Файлы с одинаковым именем без расширения, например scan.png и scan.pdf, оба записываются в scan.txt. Дайте им разные имена или используйте отдельные выходные папки. Существующие выходные файлы могут быть перезаписаны.
При пакетной обработке результат сохраняется в .txt; --out и --json работают с одним файлом. Проверьте итоговое число успешных обработок: файлы с ошибками могут быть пропущены.
В текстовом выводе PDF есть заголовки страниц. Для TIFF/GIF загружается один кадр. В 0.5.1 коррекция ориентации работает только с изображениями.
CLI также принимает --gpu, --dpi, --no-reading-order, --model и --json. Для выравнивания изгиба, управления языковой моделью и потоками используйте Python.