RapidOCR 文字识别入门：三步跑通你的第一个 OCR 任务

RapidOCR 文字识别入门：三步跑通你的第一个 OCR 任务

【免费下载链接】RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.项目地址: https://gitcode.com/GitHub_Trending/ra/RapidOCR

RapidOCR 是一款开源免费、支持离线快速部署的文字识别（OCR，即从图片里提取文字）工具包，默认覆盖中英文。读完这篇文章，你会用一条命令装好它、跑通一次完整识别，并知道如何按需切换语言、推理引擎和输出格式。

快速上手：一条命令装好，跑通第一次文字识别

先准备环境：Python 3.8 以上即可，一行命令装好依赖。首次识别时模型文件会自动下载，不需要你手动管理：

pip install rapidocr onnxruntime

接下来是最小可运行示例。它只做三件事：创建识别引擎、对一张本地图片跑「检测 + 识别」、把画好文字框的结果图存到本地：

from rapidocr import RapidOCR engine = RapidOCR() result = engine("python/tests/test_files/japan.jpg") print(result) result.vis("vis_result.jpg")

跑成功后，控制台会打印识别出的文字、置信度和耗时，当前目录多出一张vis_result.jpg，文字框直接画在原图上，效果一目了然。

项目里都有什么：核心目录速览

不用把整个仓库看完，日常使用只需要认准 Python 核心包 python/rapidocr/：

辅助目录一行带过：python/tests/ 是测试用例和测试图片，docker/ 提供各引擎的现成镜像，docs/ 存放贡献指南等文档。

核心能力拆解：文字检测、文字识别与多语言支持

文字检测与方向分类：检测负责在整页图片里找出「文字在哪」，输出每个文字框的坐标；方向分类判断文字是横排还是竖排，竖排内容会被转正后再送去识别。这两步默认都开着，一般不用管。

文字识别：对每个裁出的文字区域跑出最终文本和置信度。结果对象自带格式转换：result.to_json()拿到坐标加文本的 JSON，result.to_markdown()直接生成带框位置的 Markdown，做文档解析时很省事。

多语言识别：默认模型识别中英文，日文、韩文、拉丁文、阿拉伯文、泰文等也都有现成模型，改一个lang_type参数就能切换。下面这张就是测试集里的日文示例图：

多推理引擎：同一套 API 底层可以跑 ONNX Runtime（默认，跨平台最省事）、OpenVINO（Intel CPU 优化）、TensorRT（NVIDIA GPU 加速）等引擎，换引擎只改配置，调用代码一行不动。

批处理友好：模型是懒加载的，第一次真正用到时才加载，你可以复用同一个 engine 实例批量喂图，配合多线程服务也没问题。

按需配置：切换识别语言、推理引擎与阈值

默认配置（见 python/rapidocr/config.yaml）已经覆盖绝大多数中英文场景，以下情况才需要动。初始化时通过params传一个字典，就能覆盖任意配置项：

一个典型示例——把识别模型切到日文：

engine = RapidOCR(params={ "Rec": {"lang_type": "japan"}, })

也可以每次调用时临时覆盖，比如engine(img, use_det=False)，不影响全局配置。

下一步

跑通之后推荐三个探索方向：一是把result.vis()或to_markdown()的输出接到你自己的业务里，试试文档解析的实际效果；二是翻翻 python/tests/ 里的测试用例，多语言、竖排文字、EXIF 旋转等边缘场景都有现成示例可参考；三是识别不准时，参考项目文档确认支持的模型列表，再切换lang_type或模型版本。遇到问题可以去仓库的 Issue 区提问，附上图片与配置信息，维护者通常会很快响应。

【免费下载链接】RapidOCR📄 Awesome OCR multiple programing languages toolkits based on ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT and PyTorch.项目地址: https://gitcode.com/GitHub_Trending/ra/RapidOCR