离线部署paddldocr

发布于：2025-07-13 ⋅ 阅读:(17) ⋅ 点赞:(0)

目录

完整流程（联网机器 + 离线机器）

目标
在联网机器上：

安装 Miniconda + PaddleOCR。

完整测试 OCR 功能（确保所有模型和依赖正常）。

打包 Conda 环境、pip 依赖、PaddleOCR 模型，生成离线安装包。

在离线机器上：

直接部署 Conda 环境 + 预下载模型，无需联网。

🔧 1. 在联网机器上的完整安装与测试
(1) 安装 Miniconda
bash

下载 Miniconda（Linux 64-bit）

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

安装 Miniconda（默认安装到 ~/miniconda3）

bash Miniconda3-latest-Linux-x86_64.sh -b

激活 conda

source ~/miniconda3/bin/activate
(2) 创建 Conda 环境并安装 PaddleOCR
bash

创建 conda 环境（Python 3.8）

conda create -n paddle_env python=3.8 -y
conda activate paddle_env

安装 PaddlePaddle（GPU 版本，若用 CPU 则替换为 paddlepaddle）

pip install paddlepaddle-gpu==2.5.1 -i https://mirror.baidu.com/pypi/simple

安装 PaddleOCR

pip install paddleocr==2.7.0 -i https://mirror.baidu.com/pypi/simple

安装 OpenCV 等依赖

pip install opencv-python Pillow numpy -i https://mirror.baidu.com/pypi/simple
**(3) 📌 关键步骤：测试 PaddleOCR 是否正常工作
bash

测试1：检查 PaddlePaddle 是否能正确识别 GPU

python -c “import paddle; print(paddle.utils.run_check())”

测试2：运行 PaddleOCR 测试（自动下载模型）

python -c “from paddleocr import PaddleOCR; ocr = PaddleOCR(use_angle_cls=True); print(ocr.ocr(‘https://paddleocr.bj.bcebos.com/ppstructure/docs/table/table.jpg’))”
✅ 预期结果：

PaddlePaddle 应输出 Running verify PaddlePaddle program … PaddlePaddle works well!。

PaddleOCR 应成功识别图片中的文字。

这里需要注意一点，设置全局变量

find /root/miniconda3/envs/paddle_env -name “libssl.so.1.1”
export LD_LIBRARY_PATH=/root/miniconda3/envs/paddle_env/lib:$LD_LIBRARY_PATH

(4) 预下载 PaddleOCR 模型（避免离线机器下载）
bash

创建模型存储目录

mkdir -p paddleocr_models

下载检测、识别、分类模型

wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_det_infer.tar -O paddleocr_models/ch_PP-OCRv4_det_infer.tar
wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_infer.tar -O paddleocr_models/ch_PP-OCRv4_rec_infer.tar
wget https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_cls_infer.tar -O paddleocr_models/ch_PP-OCRv4_cls_infer.tar

解压模型

cd paddleocr_models
tar -xf ch_PP-OCRv4_det_infer.tar
tar -xf ch_PP-OCRv4_rec_infer.tar
tar -xf ch_PP-OCRv4_cls_infer.tar
cd …
**(5) 📌 关键步骤：测试离线模型是否可用
bash

使用本地模型运行 OCR（不联网）

python -c "
from paddleocr import PaddleOCR;
ocr = PaddleOCR(
use_angle_cls=True,
det_model_dir=‘./paddleocr_models/ch_PP-OCRv4_det_infer’,
rec_model_dir=‘./paddleocr_models/ch_PP-OCRv4_rec_infer’,
cls_model_dir=‘./paddleocr_models/ch_PP-OCRv4_cls_infer’
);
print(ocr.ocr(‘https://paddleocr.bj.bcebos.com/ppstructure/docs/table/table.jpg’))
"
✅ 预期结果：PaddleOCR 应能正常识别文字，且不触发模型下载。

(6) 打包 Conda 环境和模型
bash

打包 conda 环境

conda pack -n paddle_env -o paddle_env.tar.gz

当时我上边这个命令无法运行，于是直接打包虚拟环境在离线机器上进行还原 tar -czvf paddle_env.tar.gz /root/miniconda3/envs/paddle_env

打包模型文件

tar -czvf paddleocr_models.tar.gz paddleocr_models

打包 pip 下载的 wheel 文件（可选，用于极端离线情况）

mkdir pip_packages
pip download paddlepaddle-gpu2.5.1 paddleocr2.7.0 opencv-python Pillow numpy -d pip_packages
tar -czvf pip_packages.tar.gz pip_packages
(7) 准备离线安装包
最终得到的文件：

Miniconda3-latest-Linux-x86_64.sh（Miniconda 安装脚本）

paddle_env.tar.gz（Conda 环境 把这个放到miniconda 下的env下边即可 能查到这个虚拟环境）

paddleocr_models.tar.gz（PaddleOCR 模型 解压到文件夹下 一会跑python程序的时候可以直接用）

pip_packages.tar.gz（pip 离线依赖包，可选 一会在离线机器上进行pip install paddlepaddle paddleocr 这两个固定版本的依赖即可）

2. 在离线机器上部署

(1) 安装 Miniconda
bash

复制 Miniconda 安装包到离线机器

bash Miniconda3-latest-Linux-x86_64.sh -b
source ~/miniconda3/bin/activate
(2) 恢复 Conda 环境
bash

解压 conda 环境

mkdir -p ~/miniconda3/envs/
tar -xzf paddle_env.tar.gz -C ~/miniconda3/envs/

激活环境

conda activate paddle_env（所有的命令都要基于这个 不进入这个虚拟环境 很多命令都识别不了）

然后查看虚拟环境 conda info --envs

(3) 加载 PaddleOCR 模型
bash

解压模型文件

tar -xzf paddleocr_models.tar.gz

然后设置全局变量

首先查找libssl的位置： find /-name “libssl.so*” 2>/dev/null

export LD_LIBRARY_PATH=/root/miniconda/envs/paddle_env/lib:$LD_LIBRARY_PATH

(如果不设置这个会报一个找不到lib)
(4) 测试离线 OCR

首先下载依赖 paddlepaddle 和 paddleocr

pip install --no-index --find-link=. paddlepaddle-2.5.1-cp38-cp38-manylinux1_x86_64.whl

pip install --no-index --find-link=. paddleocr-2.7.0.0-py3-none-any.whl

然后执行
python -c "
from paddleocr import PaddleOCR;
ocr = PaddleOCR(
use_angle_cls=True,
det_model_dir=‘./paddleocr_models/ch_PP-OCRv4_det_infer’,# 这三个模型可以换成绝对路径
rec_model_dir=‘./paddleocr_models/ch_PP-OCRv4_rec_infer’,
cls_model_dir=‘./paddleocr_models/ch_PP-OCRv4_cls_infer’
);
print(ocr.ocr(‘your_image.jpg’)) # 替换为本地图片路径
"
✅ 预期结果：OCR 应能正常运行，无需联网。

📝 最终检查清单
步骤 联网机器 离线机器

  1. 安装 Miniconda ✅ 安装并测试 ✅ 仅安装
  2. 创建 Conda 环境 ✅ 安装 PaddleOCR ✅ 解压恢复
  3. 测试 OCR ✅ 在线模型 + 本地模型 ✅ 仅本地模型
  4. 打包环境 ✅ 生成 paddle_env.tar.gz ❌ 不需要
  5. 预下载模型 ✅ 生成 paddleocr_models.tar.gz ✅ 解压使用
  6. 离线 pip 包 ✅ 可选打包 ✅ 可选安装

进阶版python文件

初始版py文件

from pdf2image import convert_from_path
from paddleocr import PaddleOCR
import os

 初始化 OCR
ocr = PaddleOCR(
    use_angle_cls=False,
    det_model_dir='./paddleocr_models/ch_PP-OCRv4_det_infer',
    rec_model_dir='./paddleocr_models/ch_PP-OCRv4_rec_infer',
    cls_model_dir='./paddleocr_models/ch_ppocr_mobile_v2.0_cls_infer',
    use_gpu=False
)

#PDF 路径
pdf_path = 'test.pdf'

#转换 PDF 每页为图像
images = convert_from_path(pdf_path, dpi=300)  # DPI 可调高保证清晰度

#处理每一页
for i, image in enumerate(images):
    image_path = f'page_{i+1}.png'
    image.save(image_path, 'PNG')  # 保存为 PNG
    result = ocr.ocr(image_path, cls=False)
    print(f'--- 第 {i+1} 页 ---')
    for line in result[0]:
        print(line[1][0])

识别边框等相关信息

import os
import sys
from pathlib import Path
from paddleocr import PaddleOCR
from pdf2image import convert_from_path
from PIL import Image

def run_ocr_on_image(image_path, ocr):
    """对单张图片执行 OCR 并返回结果"""
    result = ocr.ocr(image_path, cls=False)
    text_lines = [line[1][0] for line in result[0]]
    return text_lines

def ocr_file(input_path, ocr):
    """根据输入文件类型选择处理方式"""
    input_path = Path(input_path)
    
    if not input_path.exists():
        print(f"❌ 文件不存在：{input_path}")
        return

    if input_path.suffix.lower() == '.pdf':
        print(f"📄 正在处理 PDF 文件: {input_path}")
        images = convert_from_path(str(input_path), dpi=300)
        for idx, img in enumerate(images):
            img_path = f"temp_page_{idx+1}.png"
            img.save(img_path, 'PNG')
            print(f"\n--- 第 {idx+1} 页识别结果 ---")
            lines = run_ocr_on_image(img_path, ocr)
            for line in lines:
                print(line)
            os.remove(img_path)  # 清理临时图像
    elif input_path.suffix.lower() in ['.png', '.jpg', '.jpeg', '.bmp']:
        print(f"🖼️ 正在处理图片文件: {input_path}")
        lines = run_ocr_on_image(str(input_path), ocr)
        print("\n--- 识别结果 ---")
        for line in lines:
            print(line)
    else:
        print("❌ 不支持的文件类型，请使用 PNG / JPG / PDF。")

def main():
    if len(sys.argv) != 2:
        print("用法: python ocr_universal.py <输入文件路径>")
        return

    input_file = sys.argv[1]

    # 初始化 OCR（修改模型路径为你的本地路径）
    ocr = PaddleOCR(
        use_angle_cls=False,
        det_model_dir='./paddleocr_models/ch_PP-OCRv4_det_infer',
        rec_model_dir='./paddleocr_models/ch_PP-OCRv4_rec_infer',
        cls_model_dir='./paddleocr_models/ch_ppocr_mobile_v2.0_cls_infer',
        use_gpu=False
    )

    ocr_file(input_file, ocr)

if __name__ == '__main__':
    main()

imageandJson

import os
import sys
from pathlib import Path
from paddleocr import PaddleOCR
from pdf2image import convert_from_path
from PIL import Image, ImageDraw, ImageFont


def run_ocr_on_image(image_path, ocr):
    """对单张图片执行 OCR，返回识别文字和可视化图像"""
    result = ocr.ocr(image_path, cls=False)
    image = Image.open(image_path).convert("RGB")
    draw = ImageDraw.Draw(image)

    # 加载字体，优先使用 simfang.ttf（项目根目录），否则用默认字体
    try:
        font = ImageFont.truetype("simfang.ttf", 18)
    except:
        font = ImageFont.load_default()

    for line in result[0]:
        box = line[0]  # 边框坐标
        text = line[1][0]  # 文本
        draw.line(box + [box[0]], fill=(255, 0, 0), width=2)
        draw.text(box[0], text, fill=(0, 0, 255), font=font)

    return result[0], image


def ocr_file(input_path, ocr):
    """根据输入文件类型选择处理方式"""
    input_path = Path(input_path)

    if not input_path.exists():
        print(f"❌ 文件不存在：{input_path}")
        return

    if input_path.suffix.lower() == '.pdf':
        print(f"📄 正在处理 PDF 文件: {input_path}")
        images = convert_from_path(str(input_path), dpi=300)
        for idx, img in enumerate(images):
            img_path = f"temp_page_{idx+1}.png"
            img.save(img_path, 'PNG')
            print(f"\n--- 第 {idx+1} 页识别结果 ---")
            result, vis_img = run_ocr_on_image(img_path, ocr)
            output_img_path = f"{input_path.stem}_page{idx+1}_result.png"
            vis_img.save(output_img_path)
            print(f"✅ 结果图像已保存：{output_img_path}")
            os.remove(img_path)
    elif input_path.suffix.lower() in ['.png', '.jpg', '.jpeg', '.bmp']:
        print(f"🖼️ 正在处理图片文件: {input_path}")
        result, image_with_boxes = run_ocr_on_image(str(input_path), ocr)
        output_path = input_path.stem + "_result.png"
        image_with_boxes.save(output_path)
        print(f"✅ 已保存识别图像到：{output_path}")
    else:
        print("❌ 不支持的文件类型，请使用 PNG / JPG / PDF。")


def main():
    if len(sys.argv) != 2:
        print("用法: python ocr_universal.py <输入文件路径>")
        return

    input_file = sys.argv[1]

    # 初始化 OCR 模型
    ocr = PaddleOCR(
        use_angle_cls=False,
        det_model_dir='./paddleocr_models/ch_PP-OCRv4_det_infer',
        rec_model_dir='./paddleocr_models/ch_PP-OCRv4_rec_infer',
        cls_model_dir='./paddleocr_models/ch_ppocr_mobile_v2.0_cls_infer',
        use_gpu=False
    )

    ocr_file(input_file, ocr)


if __name__ == '__main__':
    main()

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布