Troubleshooting RU

🌐 English · Русский

Что-то пошло не так

Установите 0.5.1 и скачайте примеры.

Найдите наиболее похожий симптом. Меняйте по одному параметру, чтобы видеть, что помогло.

PDF возвращает тот же неверный текст

Вероятно, в нём старый OCR-слой. Запросите новое распознавание →

Воспроизведите ошибку текстового слоя PDF

В этом синтетическом PDF специально создан неверный скрытый текстовый слой. На изображении страницы написано INVOICE 147, но извлечение возвращает посторонний старый текст:

from occular import OCRPipeline

reader = OCRPipeline()
existing = reader.get_text("old-ocr.pdf", workers=1)
fresh = reader.get_text("old-ocr.pdf", force_ocr=True, workers=1)
print("EXISTING TEXT LAYER")
print(existing[0])
print("\nFRESH OCR")
print(fresh[0])

Фактический вывод:

EXISTING TEXT LAYER
OLD INCORRECT TEXT LAYER

FRESH OCR
INVOICE147
Paper:2packs
Total:200.00

Новый OCR читает видимый счёт и сохраняет настоящие ошибки распознавания — пропущенные пробелы. Он возвращает данные, не меняя PDF.

Открыть настоящий запуск в Jupyter: весь код виден

Скачать блокнот · old-ocr.pdf

Перемешаны две колонки

Оставьте reading_order=True, как по умолчанию. Для PDF проверьте, не извлекается ли готовый текст вместо запуска OCR. Как работает порядок чтения →

Повёрнутая набок фотография не читается

Попробуйте orientation=True. Для наклонённого скана deskew уже включён. Три способа выровнять страницу →

Таблица превратилась в сплошной текст

Используйте tables=True. Если нужны ячейки для приложения, читайте .tables у изображения или page["tables"] у PDF. Пример таблицы →

Некоторые слова или цифры неверны

Проверьте резкость изображения и правильность языка. На нескольких примерах сравните lm=False или более крупный recognizer="svtr_t". Сверяйте важные числа с исходным изображением.

Пропущена целая строка

Возможно, строка не была найдена. Проверьте исходное изображение: нет ли размытия, слишком мелкого текста или плохого контраста. Для PDF также проверьте, нет ли неполного готового текстового слоя; принудительное OCR может помочь.

Рамки, уверенность, скорость и установка

• Рамки не совпадают с текстом: предобработка может сдвинуть текст; извлечение PDF и OCR также используют разные единицы. Подробности координат.
• У всех строк уверенность 1.0: готовый текст PDF использует условную оценку. Об уверенности.
• Медленно или не хватает памяти: попробуйте workers=1, затем постепенно увеличивайте число обработчиков. Руководство по скорости.
• Без интернета не хватает моделей: один раз запустите с нужными настройками при доступной сети и скопируйте весь необходимый кеш. Работа без интернета.
• Параметр не принимается: проверьте страницу API; настройки PDF относятся к process_pdf().
• Ошибка установки или импорта: используйте чистое виртуальное окружение и выполните python -m pip check. Не смешивайте CPU/GPU-пакеты ONNX Runtime или несколько дистрибутивов OpenCV.

Всё ещё не получается? Создайте сообщение об ошибке с небольшим воспроизводимым примером, вашей командой или кодом и сообщением об ошибке. Синтетический пример или файл с удалёнными личными данными поможет показать ожидаемый результат.