SpringBoot集成DeepSeek-OCR实战｜快速实现表格识别与结构化输出
1. 背景与业务场景
在企业级应用中，大量纸质单据如采购订单、发票、入库凭证等仍需人工录入系统。这一过程不仅效率低下，还容易因人为疏忽导致数据错误。随着AI技术的发展，光学字符识别（OCR）已成为自动化文档处理的核心工具。
DeepSeek-OCR 是由 DeepSeek 开源的一款高性能 OCR 大模型，具备强大的文本检测与识别能力，尤其擅长复杂场景下的表格、票据和公式识别。其 WebUI 版本提供了直观的可视化界面和标准 API 接口，便于快速集成到各类业务系统中。
本文将详细介绍如何通过SpringBoot后端服务调用本地部署的DeepSeek-OCR-WEBUI服务，完成对包含表格图像的识别，并将其结果解析为结构化的 JSON 数据，最终实现从前端上传 → 后端处理 → 结构化输出的完整流程。
2. 系统架构与技术选型
2.1 整体架构设计
整个系统的运行逻辑分为三层：
- 前端层：基于 Vue 构建的用户操作界面，支持图片上传与结果显示
- 后端服务层：SpringBoot 应用，负责接收请求、转发至 OCR 引擎并处理返回结果
- OCR 引擎层：独立部署的 DeepSeek-OCR-WEBUI 容器服务，提供
/ocr接口进行图像识别
[前端上传图片] ↓ [SpringBoot Controller] ↓ [HTTP POST → DeepSeek-OCR-WEBUI /ocr 接口] ↓ [返回HTML格式表格] ↓ [SpringBoot 解析为JSON] ↓ [返回给前端展示]该架构实现了职责分离，保证了 OCR 引擎的高可用性与可扩展性，同时便于后期接入更多 AI 模型。
2.2 技术栈说明
| 层级 | 技术组件 |
|---|---|
| 前端 | Vue 3 + Element Plus + Axios |
| 后端 | SpringBoot 3.x + RestTemplate + Jackson |
| OCR引擎 | DeepSeek-OCR-WEBUI（Docker部署） |
| 构建与部署 | Maven + Docker + docker-compose |
3. 部署DeepSeek-OCR-WEBUI服务
在集成之前，必须确保DeepSeek-OCR-WEBUI已正确部署并正常运行。
3.1 启动OCR后端服务
进入项目目录并使用 Docker Compose 启动服务：
cd ~/DeepSeek-OCR-WebUI docker compose up -d查看容器日志以确认服务启动成功：
docker logs -f deepseek-ocr-webui服务默认监听http://localhost:8080，可通过浏览器访问 WebUI 页面进行测试。
⚠️ 注意：建议使用 NVIDIA GPU（如 4090D）运行该镜像以获得最佳性能，CPU 模式下推理速度较慢。
4. DeepSeek-OCR接口详解
OCR 服务暴露了一个核心接口用于图像识别：
@app.post("/ocr") async def ocr_endpoint( file: UploadFile = File(...), prompt_type: str = Form("document"), find_term: str = Form(""), custom_prompt: str = Form(""), grounding: bool = Form(False) ):4.1 关键参数说明
| 参数名 | 类型 | 可选值 | 说明 |
|---|---|---|---|
file | 文件 | 必填 | 待识别的图像文件（JPG/PNG等） |
prompt_type | 字符串 | document,ocr,free,figure,describe,find,freeform | 控制识别模式 |
find_term | 字符串 | 可选 | 查找特定关键词并标注位置 |
custom_prompt | 字符串 | 可选 | 自定义提示词，适用于复杂任务 |
grounding | 布尔值 | true/false | 是否启用实体定位分组 |
4.2 表格识别推荐配置
由于本文目标是识别表格内容，应选择prompt_type=figure，该模式专为图表、公式、表格设计，能更准确地保留原始布局信息。
例如发送请求时设置：
{ "prompt_type": "figure" }响应体将返回一个标准 HTML<table>结构字符串，便于后续解析。
5. SpringBoot集成实现
5.1 创建OcrService接口
定义统一的服务接口，便于后续替换或扩展实现：
// src/main/java/com/kaifamiao/dswebui/service/OcrService.java public interface OcrService { /** * 识别表格图片并返回结构化数据 * * @param file 上传的包含表格的图片文件 * @return 包含表格数据的Map对象，将以JSON格式返回给前端 */ Map<String, Object> recognitionTable(MultipartFile file); }5.2 实现DeepSeekOcrService
创建具体实现类，使用RestTemplate发送 HTTP 请求至 OCR 服务。
// src/main/java/com/kaifamiao/dswebui/service/DeepSeekOcrService.java @Service @Slf4j public class DeepSeekOcrService implements OcrService { private static final String OCR_SERVICE_URL = "http://localhost:8080/ocr"; private final RestTemplate restTemplate; public DeepSeekOcrService() { this.restTemplate = new RestTemplate(); } @Override public Map<String, Object> recognitionTable(MultipartFile file) { log.info("开始识别表格图片: {}", file.getOriginalFilename()); try { // 准备文件资源 ByteArrayResource resource = new ByteArrayResource(file.getBytes()) { @Override public String getFilename() { return file.getOriginalFilename(); } }; // 构建请求参数 MultiValueMap<String, Object> body = new LinkedMultiValueMap<>(); body.add("file", resource); body.add("prompt_type", "figure"); // 使用图表模式识别表格 // 设置请求头 HttpHeaders headers = new HttpHeaders(); headers.setContentType(MediaType.MULTIPART_FORM_DATA); // 创建请求实体 HttpEntity<MultiValueMap<String, Object>> requestEntity = new HttpEntity<>(body, headers); // 发送POST请求 ResponseEntity<String> response = restTemplate.postForEntity(OCR_SERVICE_URL, requestEntity, String.class); if (response.getStatusCode() == HttpStatus.OK) { String htmlContent = response.getBody(); log.debug("OCR返回HTML: {}", htmlContent); return parseHtmlTableToJSON(htmlContent); } else { log.error("OCR服务调用失败，状态码: {}", response.getStatusCode()); throw new RuntimeException("OCR识别失败"); } } catch (Exception e) { log.error("表格识别过程中发生异常", e); Map<String, Object> errorResult = new HashMap<>(); errorResult.put("success", false); errorResult.put("message", "识别失败：" + e.getMessage()); return errorResult; } } /** * 将HTML表格解析为JSON格式 * * @param html 包含表格的HTML字符串 * @return 转换后的JSON数据 */ private Map<String, Object> parseHtmlTableToJSON(String html) { Document doc = Jsoup.parse(html); Element table = doc.selectFirst("table"); List<Map<String, String>> rows = new ArrayList<>(); if (table != null) { Elements trList = table.select("tr"); for (Element tr : trList) { Elements tds = tr.select("td"); Map<String, String> row = new LinkedHashMap<>(); for (int i = 0; i < tds.size(); i++) { String text = tds.get(i).text().trim(); // 使用列索引作为key，也可提取表头做字段映射 row.put("col_" + i, text.isEmpty() ? "" : text); } rows.add(row); } } Map<String, Object> result = new HashMap<>(); result.put("success", true); result.put("data", rows); result.put("totalRows", rows.size()); return result; } }依赖说明
RestTemplate：用于发起 HTTP 请求Jsoup：轻量级 HTML 解析库，用于提取<table>内容- 添加依赖到
pom.xml：
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.16.1</version> </dependency>5.3 编写单元测试验证功能
编写测试用例验证 OCR 服务是否正常工作。
// src/test/java/com/kaifamiao/dswebui/service/OcrServiceTest.java @SpringBootTest @Slf4j public class OcrServiceTest { @Autowired private OcrService ocrService; @Test void testRecognitionTableSuccess() throws Exception { // 从测试资源目录加载voucher.jpg文件 ClassPathResource resource = new ClassPathResource("voucher.jpg"); // 创建MultipartFile对象 MockMultipartFile file = new MockMultipartFile( "file", "voucher.jpg", "image/jpeg", resource.getInputStream() ); // 调用OCR服务进行识别 Map<String, Object> result = ocrService.recognitionTable(file); log.info("OCR识别结果: {}", JSON.toJSONString(result)); Assertions.assertTrue((Boolean) result.get("success")); } }运行测试，观察日志输出是否成功解析出表格行数及内容。
5.4 提供REST API接口
创建控制器暴露 HTTP 接口供前端调用。
// src/main/java/com/kaifamiao/dswebui/controller/OcrController.java @RestController @RequestMapping("/api/ocr") @Slf4j public class OcrController { @Autowired private OcrService ocrService; @PostMapping("/process") public Map<String, Object> processFile(@RequestParam("file") MultipartFile file) { Map<String, Object> result = ocrService.recognitionTable(file); log.info("返回结果: {}", result); return result; } }接口地址：POST /api/ocr/process，接受multipart/form-data格式的图片上传。
6. 前端页面集成
前端采用 Vue 实现简单上传界面，核心代码如下：
<template> <div class="container"> <h2>表格识别系统</h2> <input type="file" @change="handleFileChange" accept="image/*" /> <button @click="upload">上传识别</button> <div v-if="result"> <h3>识别结果（JSON）：</h3> <pre>{{ JSON.stringify(result, null, 2) }}</pre> </div> </div> </template> <script setup> import { ref } from 'vue'; import axios from 'axios'; const file = ref(null); const result = ref(null); const handleFileChange = (e) => { file.value = e.target.files[0]; }; const upload = async () => { if (!file.value) { alert('请选择图片'); return; } const formData = new FormData(); formData.append('file', file.value); try { const res = await axios.post('/api/ocr/process', formData, { headers: { 'Content-Type': 'multipart/form-data' } }); result.value = res.data; } catch (err) { console.error(err); alert('识别失败'); } }; </script>6.1 前端构建与打包
确保安装 Node.js 20+：
npm install npm run build生成的dist目录需复制到 SpringBoot 的src/main/resources/static下，使静态资源可被直接访问。
7. 打包与Docker部署
7.1 后端打包
使用 Maven 构建 JAR 包：
mvn clean package -DskipTests生成的文件位于target/deepseek-web-ui-1.0.0.jar。
7.2 编写Dockerfile
# Java运行时阶段 FROM openjdk:21-jdk-slim # 设置工作目录 WORKDIR /app # 复制前端构建产物到后端静态资源目录 COPY target/deepseek-web-ui-1.0.0.jar /app/deepseek-web-ui.jar # 暴露端口 EXPOSE 8080 # 运行应用 ENTRYPOINT ["java", "-jar", "deepseek-web-ui.jar"]7.3 编写docker-compose.yml
version: '3.8' services: ocr-app: build: . ports: - "8080:8080" environment: - SERVER_PORT=8080 volumes: - ./logs:/app/logs启动服务：
docker compose up -d --build访问http://localhost:8080即可打开前端页面，上传表格图片进行识别。
8. 总结
本文详细介绍了如何将DeepSeek-OCR-WEBUI集成到SpringBoot应用中，实现对表格图像的自动识别与结构化输出。主要成果包括：
- ✅ 成功调用本地 OCR 服务 API 实现图像识别
- ✅ 将返回的 HTML 表格解析为标准 JSON 格式，便于前后端交互
- ✅ 构建完整的前后端联调系统，支持图片上传与结果展示
- ✅ 使用 Docker 完成一体化部署，提升可移植性与维护效率
该方案已在实际业务场景中验证有效，显著降低了人工录入成本，提升了数据处理效率。未来可进一步优化方向包括：
- 支持多页PDF批量识别
- 增加表头语义识别，自动映射数据库字段
- 引入异步任务机制，避免长时间阻塞请求
通过本次实践，开发者可以快速掌握 AI OCR 技术在企业级 Java 应用中的落地方法，为智能化文档处理提供有力支撑。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
