PaddleOCR 营业执照识别一行代码把图片文档变成结构化数据【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR当你需要从营业执照、发票的图片扫描件中批量提取公司名称、税号和金额时不必再人工录入。PaddleOCR 是一个开源 OCR 工具包把图片和 PDF 文档转成 JSON/Markdown 结构化数据支持 100 语言解析结果可以直接喂给 LLM。能做什么 文本检测 识别一次调用拿到所有文字行的文本、坐标和置信度多语言PP-OCRv6 单模型支持中文、英文、日文等 50 种语言不用切换模型版面分析定位标题、表格、印章、文本块等版面元素表格结构解析自动还原表格行列恢复成可编辑结构输出 Markdown/JSON结果带坐标信息可直接接入 LLM 流程模型参数量特点PP-OCRv6 medium34.5M比 PP-OCRv5 检测 4.6%、识别 5.1%PP-OCRv6 tiny1.5M面向移动端与边缘设备PaddleOCR-VL-1.60.9B文档解析OmniDocBench v1.6 得分 96.3%5 分钟跑通最小示例 python -m pip install paddlepaddle3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ python -m pip install paddleocr[all] paddleocr ocr -i business_license.jpg也可以用 Python API 拿到结构化结果from paddleocr import PaddleOCR ocr PaddleOCR() result ocr.predict(business_license.jpg) for res in result: res.print() res.save_to_json(output)跑通的样子终端打印出每行文字的识别结果和置信度save_to_json会把检测坐标、识别文本、得分写成 JSON 文件。看到rec_texts里出现图上的统一社会信用代码等文字就是成功了。进阶玩法 ️把 PDF 和 Office 文档一步转成 Markdown整份合同、报表类 PDF 用 pp_structurev3 处理它会一次性做版面分析、表格识别和公式识别输出带坐标信息的 Markdown/JSON。Word、Excel、PPT 则有专门的 doc2md 命令装完可选依赖后一条命令转 Markdownpaddleocr pp_structurev3 -i report.pdf pip install paddleocr[doc2md] paddleocr doc2md -i report.docx -o output.md用版面分析解析营业执照和表格单据图中是一张扫描件PaddleOCR 先定位标题、表格、文本块等版面元素再对表格区域做结构识别还原出行列关系。对营业执照来说统一社会信用代码、注册资本、法定代表人各字段都会拿到独立框后续只需按字段名 → 取值匹配即可印章也会被单独识别不干扰正文。切换到 1.5M 参数轻量模型提速如果业务单据以简单文本为主、对速度敏感直接用 PP-OCRv6 的 tiny 档1.5M 参数手机端和边缘设备都能跑。官方给出的数据是 CPU 端到端提速 5.2 倍OpenVINO 后端Apple M4 上 6.1 倍还支持 Paddle Lite、Paddle.js 等部署方式详见 doc2md 与管线文档。落地场景 企业开户 / 工商登记批量提取营业执照上的公司名称、统一社会信用代码、法定代表人直接进入开户系统替代人工录入发票报销识别增值税发票票头的购销方、金额、税率、发票号字段带置信度便于抽检RAG 知识库搭建把扫描 PDF 解析成 Markdown 再喂给 LLMDify、RAGFlow 等 RAG 项目就基于 PaddleOCR 做文档解析端侧与浏览器部署PP-OCRv6 tiny 可跑在手机和浏览器里适合隐私敏感、不想上传图片的离线场景实用技巧与避坑 ⚠️Q识别结果不准怎么办先检查图片清晰度再换 medium 精度档结果里的rec_scores就是置信度对低分结果走人工复核比盲目重跑更省时间。Q处理速度太慢实时场景换 tiny 模型或启用 GPU解析普通单据时可关掉用不到的预处理开关如--use_doc_unwarping False、--use_doc_orientation_classify False。Q图片旋转、竖排文字会漏识别吗方向分类和文字行方向开关默认是开启的保持默认即可自动矫正后再识别。Q中英混排、多语言单据要换模型吗不用。PP-OCRv6 一个模型覆盖 50 种语言混合文档直接跑。从识别一行字到把整本 PDF 变成 Markdown上面的流程就是最短路径。管线参数和部署方式的细节可参考 官方快速上手文档遇到 bug 或想要新特性直接去仓库提 Issue维护者响应很快。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PaddleOCR 营业执照识别：一行代码把图片文档变成结构化数据
PaddleOCR 营业执照识别一行代码把图片文档变成结构化数据【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR当你需要从营业执照、发票的图片扫描件中批量提取公司名称、税号和金额时不必再人工录入。PaddleOCR 是一个开源 OCR 工具包把图片和 PDF 文档转成 JSON/Markdown 结构化数据支持 100 语言解析结果可以直接喂给 LLM。能做什么 文本检测 识别一次调用拿到所有文字行的文本、坐标和置信度多语言PP-OCRv6 单模型支持中文、英文、日文等 50 种语言不用切换模型版面分析定位标题、表格、印章、文本块等版面元素表格结构解析自动还原表格行列恢复成可编辑结构输出 Markdown/JSON结果带坐标信息可直接接入 LLM 流程模型参数量特点PP-OCRv6 medium34.5M比 PP-OCRv5 检测 4.6%、识别 5.1%PP-OCRv6 tiny1.5M面向移动端与边缘设备PaddleOCR-VL-1.60.9B文档解析OmniDocBench v1.6 得分 96.3%5 分钟跑通最小示例 python -m pip install paddlepaddle3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ python -m pip install paddleocr[all] paddleocr ocr -i business_license.jpg也可以用 Python API 拿到结构化结果from paddleocr import PaddleOCR ocr PaddleOCR() result ocr.predict(business_license.jpg) for res in result: res.print() res.save_to_json(output)跑通的样子终端打印出每行文字的识别结果和置信度save_to_json会把检测坐标、识别文本、得分写成 JSON 文件。看到rec_texts里出现图上的统一社会信用代码等文字就是成功了。进阶玩法 ️把 PDF 和 Office 文档一步转成 Markdown整份合同、报表类 PDF 用 pp_structurev3 处理它会一次性做版面分析、表格识别和公式识别输出带坐标信息的 Markdown/JSON。Word、Excel、PPT 则有专门的 doc2md 命令装完可选依赖后一条命令转 Markdownpaddleocr pp_structurev3 -i report.pdf pip install paddleocr[doc2md] paddleocr doc2md -i report.docx -o output.md用版面分析解析营业执照和表格单据图中是一张扫描件PaddleOCR 先定位标题、表格、文本块等版面元素再对表格区域做结构识别还原出行列关系。对营业执照来说统一社会信用代码、注册资本、法定代表人各字段都会拿到独立框后续只需按字段名 → 取值匹配即可印章也会被单独识别不干扰正文。切换到 1.5M 参数轻量模型提速如果业务单据以简单文本为主、对速度敏感直接用 PP-OCRv6 的 tiny 档1.5M 参数手机端和边缘设备都能跑。官方给出的数据是 CPU 端到端提速 5.2 倍OpenVINO 后端Apple M4 上 6.1 倍还支持 Paddle Lite、Paddle.js 等部署方式详见 doc2md 与管线文档。落地场景 企业开户 / 工商登记批量提取营业执照上的公司名称、统一社会信用代码、法定代表人直接进入开户系统替代人工录入发票报销识别增值税发票票头的购销方、金额、税率、发票号字段带置信度便于抽检RAG 知识库搭建把扫描 PDF 解析成 Markdown 再喂给 LLMDify、RAGFlow 等 RAG 项目就基于 PaddleOCR 做文档解析端侧与浏览器部署PP-OCRv6 tiny 可跑在手机和浏览器里适合隐私敏感、不想上传图片的离线场景实用技巧与避坑 ⚠️Q识别结果不准怎么办先检查图片清晰度再换 medium 精度档结果里的rec_scores就是置信度对低分结果走人工复核比盲目重跑更省时间。Q处理速度太慢实时场景换 tiny 模型或启用 GPU解析普通单据时可关掉用不到的预处理开关如--use_doc_unwarping False、--use_doc_orientation_classify False。Q图片旋转、竖排文字会漏识别吗方向分类和文字行方向开关默认是开启的保持默认即可自动矫正后再识别。Q中英混排、多语言单据要换模型吗不用。PP-OCRv6 一个模型覆盖 50 种语言混合文档直接跑。从识别一行字到把整本 PDF 变成 Markdown上面的流程就是最短路径。管线参数和部署方式的细节可参考 官方快速上手文档遇到 bug 或想要新特性直接去仓库提 Issue维护者响应很快。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考