# paddleocr-UI

**Repository Path**: shengh123/paddleocr-ui

## Basic Information

- **Project Name**: paddleocr-UI
- **Description**: 基于百度飞桨框架写的一个UI界面，用于把pdf识别为文字，用于离线条件下，在电脑终端使用。
界面使用pyqt。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2025-10-06
- **Last Updated**: 2025-12-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PaddleOCR PDF文字识别工具 v1.0

[![License](https://img.shields.io/badge/license-Apache%202.0-blue.svg)](LICENSE)
![Python](https://img.shields.io/badge/python-3.7%2B-blue.svg)
![Platform](https://img.shields.io/badge/platform-windows%20%7C%20macos%20%7C%20linux-lightgrey.svg)

基于PaddleOCR的图形界面PDF文字识别工具，支持多格式导出和原样排版功能。

## 功能特性

- **PDF文字识别**: 使用PaddleOCR进行高精度文字识别
- **多格式导出**: 支持导出为PDF、DOCX、Markdown格式
- **原样排版**: 保持原始文档的版面布局
- **多页处理**: 支持多页PDF文档处理
- **中英混识**: 支持中英文混合文档识别
- **图形界面**: 用户友好的图形界面操作
- **跨平台**: 支持Windows、macOS和Linux系统

## 界面预览

![主界面](docs/main_ui.png) *(界面预览图待添加)*

## 系统要求

- Python 3.7 或更高版本
- Windows 7/8/10/11, macOS 10.12+, 或 Linux
- 至少4GB内存推荐

## 安装指南

### 1. 克隆项目

```bash
git clone <repository-url>
cd paddleocr
```

### 2. 创建虚拟环境（推荐）

```bash
# Windows
python -m venv venv
venv\Scripts\activate

# macOS/Linux
python3 -m venv venv
source venv/bin/activate
```

### 3. 安装依赖

```bash
pip install -r requirements.txt
```

**注意**: 首次安装paddlepaddle可能需要较长时间，请耐心等待。

### 4. 验证安装

```bash
python -c "import paddleocr; print('PaddleOCR安装成功')"
```

## 使用方法

### 启动程序

```bash
python main.py
```

### 操作步骤

1. 点击"打开PDF"按钮选择要识别的PDF文件
2. 点击"开始OCR识别"按钮进行文字识别
3. 等待识别完成后，可编辑识别结果
4. 点击"保存"按钮导出识别结果
5. 选择导出格式（PDF/DOCX/Markdown）

### 原样排版导出

1. 完成OCR识别后
2. 点击"保存(原样排版)"按钮
3. 选择导出格式（PDF/DOCX）
4. 保存文件，文档将保持原始布局

## 项目结构

```
paddleocr/
├── main.py                 # 程序入口
├── requirements.txt        # 依赖列表
├── README.md              # 项目说明
├── VERSION.md             # 版本历史
├── 开发计划.md             # 开发计划
├── 错误处理与解决方案.md      # 错误处理文档
├── 项目总结报告.md           # 项目总结
├── ui/                    # 图形界面模块
│   └── main_window.py     # 主窗口实现
├── ocr/                   # OCR处理模块
│   ├── ocr_engine.py      # OCR引擎封装
│   ├── pdf_processor.py   # PDF处理器
│   └── output/            # OCR输出目录
├── export/                # 导出模块
│   ├── pdf_exporter.py    # PDF导出器
│   ├── docx_exporter.py   # DOCX导出器
│   └── md_exporter.py     # Markdown导出器
├── utils/                 # 工具模块
│   └── logger.py          # 日志工具
└── logs/                  # 日志目录
```

## 核心模块介绍

### OCR引擎模块 (ocr/ocr_engine.py)
- 封装PaddleOCR功能
- 提供统一的OCR接口
- 支持详细结果获取

### PDF处理器 (ocr/pdf_processor.py)
- 将PDF转换为图像
- 支持多页PDF处理
- 图像预处理优化

### 导出模块 (export/)
- **PDF导出器**: 支持中文的PDF导出
- **DOCX导出器**: Word文档导出
- **Markdown导出器**: Markdown格式导出

### 布局保持器 (layout_preserver.py)
- 根据坐标信息重建原始布局
- 支持多页文档处理
- 提供多种输出格式

### 图形界面 (ui/main_window.py)
- PyQt5实现的用户界面
- 多线程OCR处理
- 进度显示和错误处理

## 配置说明

### OCR参数配置
在`ocr/2.py`中可以调整OCR参数：
```python
ocr = PaddleOCR(
    text_detection_model_name="PP-OCRv5_mobile_det",
    text_recognition_model_name="PP-OCRv5_mobile_rec",
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_textline_orientation=False,
    det_limit_side_len=640,
    det_limit_type="max",
    rec_batch_num=6,
    drop_score=0.5)
```

### 导出格式选择
- **PDF**: 保持格式，支持中文
- **DOCX**: Word文档，易于编辑
- **Markdown**: 轻量级格式，便于网络发布

## 常见问题

### 1. 安装paddlepaddle失败
```bash
# 尝试使用国内镜像源
pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple
```

### 2. 中文显示乱码
- 程序已内置中文字体支持
- 自动检测系统字体
- 支持Windows、macOS、Linux系统

### 3. 识别速度慢
- 使用了PP-OCRv5_mobile模型优化速度
- 可在ocr_engine.py中调整参数
- 建议关闭不必要的文档预处理功能

### 4. 内存占用高
- 程序使用多线程处理避免界面卡顿
- 大文件处理时请确保有足够的内存

## 性能优化

1. **模型选择**: 使用mobile模型平衡精度和速度
2. **参数调优**: 调整det_limit_side_len等参数
3. **批处理**: 增加rec_batch_num提高批量处理效率
4. **过滤低分结果**: 设置drop_score过滤低置信度结果

## 开发指南

### 项目依赖
```
paddleocr==3.2.0
paddlepaddle
PyQt5
PyMuPDF
python-docx
markdown
numpy
opencv-python
```

### 扩展开发
1. 添加新的导出格式
2. 集成其他OCR引擎
3. 增强版面分析功能
4. 添加表格识别功能

### 代码规范
- 遵循PEP8代码规范
- 函数和类都有详细注释
- 使用类型提示提高代码可读性

## 版本历史

查看 [VERSION.md](VERSION.md) 获取详细的版本更新记录。

## 许可证

本项目采用Apache License 2.0许可证，详见 [LICENSE](LICENSE) 文件。

## 致谢

- [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) - 百度飞桨文字识别工具
- [PyQt5](https://pypi.org/project/PyQt5/) - Python图形界面库
- [PyMuPDF](https://pymupdf.readthedocs.io/) - PDF处理库
- [python-docx](https://python-docx.readthedocs.io/) - DOCX文档处理库

## 联系方式

如有问题或建议，请提交Issue或联系项目维护者。