批量 ocr 扫描件，格式特殊，求思路

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 816 天前的主题，其中的信息可能已经有所发展或是发生改变。

扫描件格式特殊，一般的 ocr api 都不能满足，需要自定义识别，还需要批量化处理的能力，求教怎么思路去实现？

vx: d2FuZ3NhbnhpYQ==

11 条回复 • 2022-10-02 12:57:46 +08:00

paopjian

2022-09-30 08:17:16 +08:00 via Android

扫描件格式再特殊，也能变成图片吧，难道是加密文件？

pony2335

2022-09-30 08:28:15 +08:00

感觉除了格式转换，没其他思路

jifengg

2022-09-30 08:48:33 +08:00

楼主“格式特殊”指的是文字排版特殊，以及你希望 ocr 之后能够获得指定区域的内容吧。类似身份证 ocr 。
百度云我知道有一个，可以自定义 ocr 模板的，楼主可以看看。其他云按理应该也是有的。

kujio

2022-09-30 08:59:37 +08:00

百度云不行，推荐阿里云，还有楼主是什么特殊格式，我公司之前刚做过扫描随货单自动入库的，单据都是乱七八糟格式的，现在识别率还行。

dreasky

2022-09-30 09:35:08 +08:00

百度开源 paddleOCR

joApioVVx4M4X6Rf

2022-09-30 10:00:43 +08:00

最好整个图片模板，不然不知道有多复杂

niselover

2022-09-30 13:38:52 +08:00

@paopjian
@jifengg
对对文字排版特殊

paciychen85

2022-09-30 14:58:06 +08:00

最近也有跟 OP 相似的需求，表格截图类型的图片，有没有好的 ocr 软件？最好支持导出成 excel

0bSer7er

2022-09-30 17:11:35 +08:00

最近正好在看 OCR ，阿里云有自定义排版的 api ，公司注册有免费额度，可以看一下

encro

2022-09-30 20:30:06 +08:00

@kujio
@0bSer7er

@dreasky

作为这方面的较深度用户，确实百度不如阿里，特别是这两年，百度算法根本就是开源实现，效果都一般。
阿里自己的算法不公开，效果不错，
而且比直接用阿里也比直接用百度更便宜很多，量不是特别多，比自己部署更便宜。

dreasky

2022-10-02 12:57:46 +08:00

@encro 场景不一样有些敏感扫描件有保密需求只能单机