RapidOCR 文本识别快速上手：从安装到跑通离线 OCR 只要三行代码-育师

RapidOCR 文本识别快速上手：从安装到跑通离线 OCR 只要三行代码

【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 是一款完全开源、可离线运行的多语言 OCR（光学字符识别）工具库。它把 PaddleOCR 的模型转成 ONNX 格式，让文字识别摆脱对特定深度学习框架的强依赖，一套代码在 Windows、Linux、macOS 上都能跑。这篇文章面向第一次接触 RapidOCR 的开发者，带你走完安装、首次识别和常用配置这三个环节。

RapidOCR 是什么：一条"检测—方向—识别"的流水线

RapidOCR 的核心思路是把 OCR 拆成三段独立的模块，每一段都可以单独开关：

文本检测：在整张图里框出文字区域，对应检测模块源码
文本方向分类：判断文字是正向还是旋转 180 度，避免"倒着认"
文本识别：对裁剪出的文字条做逐行识别，输出最终文本

工程上它的两个特点是：

推理引擎可插拔。默认走 ONNX Runtime，也内置了 OpenVINO、PaddlePaddle、TensorRT、PyTorch、MNN 等后端，同一套调用代码按配置切换即可。
多语言模型按需切换。默认配置面向中英文（lang_type: "ch"），日文、韩文等语言需要换用对应的识别模型；仓库测试集里就放着日文、韩文、阿拉伯文、西里尔文等多种语言的样例图，可见这是它日常回归覆盖的范围。

RapidOCR 安装：两条命令完成

Python 环境要求 3.8 及以上（官方分类器标注到 3.13）。最常规的路径是直接从 PyPI 装：

pip install rapidocr onnxruntime

模型文件不需要手动下载，首次运行时会自动拉取到包内的models目录，后续调用就是纯离线推理。

如果要从源码装（比如要改代码），流程是克隆仓库、进入python目录、安装依赖后本地构建：

git clone https://gitcode.com/GitHub_Trending/ra/RapidOCR cd RapidOCR/python pip install -r requirements.txt

最后用pip install .完成打包安装。另外，docker/ 目录为每种推理引擎都准备好了开发镜像（含 Dockerfile 和 docker-compose 编排），需要隔离环境或 GPU 引擎时可以直接用 Makefile 里的build-*、test-*目标。

RapidOCR 最小示例：三行代码出识别结果

装好后，识别一张图片只需要三行 Python：

from rapidocr import RapidOCR engine = RapidOCR() result = engine("photo.jpg")

engine(...)的输入很宽泛：本地文件路径、网络图片地址、numpy数组或bytes都可以直接喂进去。返回值是结构化结果，文本内容在result.txts字段里；想留存证据图时，调用result.vis("vis_result.jpg")就能导出一张带检测框的可视化图，这一步在排查"框没框对"的问题时非常有用。

除了 Python API，包安装后还注册了rapidocr命令行入口（见pyproject.toml的project.scripts），临时扫一张图不必每次都写脚本。

RapidOCR 配置文件解析：影响准确率与速度的三类设置

所有行为的默认值集中在 config.yaml 里，构造RapidOCR()时可以通过config_path传入自定义配置文件，也可以用params字典零散覆盖某几项；单次调用时还能再传use_det、text_score等参数临时压过全局配置。值得关注的设置分三类：

1. 流水线开关use_det、use_cls、use_rec三项分别控制检测、方向分类、识别。如果你的输入已经是裁剪好的文字条，关掉use_det能省掉一步推理，速度立刻上来。

2. 阈值与输出粒度text_score（默认 0.5）是识别置信度门槛，低于它的结果会被丢弃——背景干净时可以调高保精度，模糊截图上可适当调低防漏字。return_word_box和return_single_char_box两个开关决定返回框的粒度：行级、词级还是单字符级，做文字定位对齐时按需打开。

3. 引擎与硬件加速每个模块（Det/Cls/Rec）的engine_type决定用哪个后端，默认onnxruntime。EngineConfig段里为各引擎预留了性能参数：ONNX Runtime 的线程数与 CUDA/DirectML 开关、TensorRT 的 fp16 与 workspace 大小、OpenVINO 的线程与调度等。纯 CPU 机器用 ONNX Runtime 即可，有 NVIDIA GPU 且追求吞吐时，TensorRT 路线（docker/下就有对应镜像）值得试。

排错与延伸

几个新手常碰到的点：

识别结果偏少或偏多：先调text_score，再看检测相关的box_thresh、unclip_ratio；图片本身过小或模糊时，库会按use_preprocess_img做缩放预处理，长边默认限制在 2000 像素内。
验证安装是否完整：cli.py里内置了自检逻辑（跑一张标准测试图并比对输出），从源码运行时可以直接借助它确认配置和模型文件齐全。
方向反了/图是横屏拍的：预处理阶段会读取 EXIF 旋转信息，测试集里就有带旋转标记的样例（python/tests/test_files/img_exif_orientation.jpg），手机照片一般不需要手动转正。
需要定制领域词表：官方建议的路线是在 PaddleOCR 侧用自有数据微调模型，再把产物接入 RapidOCR 的部署流程，而不是改工程代码。

延伸方向上，仓库根目录的cpp/、jvm/、dotnet/、android/、ios/、ocrweb/各有独立 README，说明同一套模型已经移植到多种语言和端侧平台；本项目采用 Apache 2.0 许可（OCR 模型版权归百度所有）。卡参数时不必到处翻论坛，config.yaml本身带注释、python/tests/下的用例就是现成的用法参考，从这里入手效率最高。