这么好用的离线OCR项目，我要摁头安利给你！

image

爬虫遇到了验证码无法识别？

PDF 里的扫描文档让你无从下手？

公司的有 OCR 需求但又不想花钱？

写论文就想 抄参考 一段，但文库下载都要收费？

不用担心这些了！

来吧朋友，这款适合人类食用的离线中文 OCR 项目解决你所有的烦恼！

今天的主角就是这款在 github 上开源的项目：TrWebOCR

介绍

项目是基于开源离线 OCR 项目 Tr构建的，

解决了 Tr 不支持并发的问题，

并且提供了 web 页面和 web 接口可使用，

因此无论是日常的使用还是其他项目调用也都十分的方便。

效果

明人不说暗话，是骡子是马拉出来遛遛就知道了！

下面是可能比较常用的两个场景：文档和验证码的识别。

文档识别的置信度基本在 99%，验证码识别出的置信度也在 72%以上。

文档识别

验证码识别

这极简的界面，

超高的识别率，

强大的功能，

你心动了吗？

如何安装

再优秀的东西，

如果安装就得花上半天，

那也足以劝退很多人，

因此，

它的部署起来是极其容易的。

即使你想在自己的 Windows 或 MacOS 上部署也没有问题，

通过 Docker 就可以完美解决~

在 Linux 服务器部署

在服务器上部署只需要 3 步：

1. 安装 python3.7

推荐使用 miniconda )

2. 执行 install.py

python install.py  

3. 安装依赖包

pip install -r requirements.txt

搞定！

运行 main.py后，

web 服务默认运行在 8089 端口，

看到以下输出就代表运行成功了：

$ python backend/main.py
> tr 1.5.0 https://github.com/myhub/tr
> server is running: 0.0.0.0:8089

如果有报错，可以参考项目的 wiki 来解决

在 Docker 部署

在 Docker 上部署就更加简单了，

该方法适合非 Linux 的用户，

或者对环境有洁癖的用户。

项目提供了 Dockerfile，

只需要简单的build, run 就可以运行了！

1. 编译 Dockerfile

$ docker build -t TrWebOCR:latest .

2. 运行一个容器

$ docker run -itd -p 8089:8089 --name trweb trweb-ocr:latest /bin/bash  

这里把容器的 8089 端口映射到了物理机的 8089 上，

但如果你不喜欢映射，

去掉 run 后面的 -p 8089:8089 ，

就可以通过 Docker 容器的 ip 来访问了。

配置的要求

最后一点，也是最重要的一点。

该项目不需要太高的配置！！！

一个 1 核 2G的机器就能够跑得起来了！

但如果你的项目对并发的要求比较高的话，

还是得上高配置一点的机器~