下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-felwle60--doc-lingxi.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-felwle60/doc-lingxi。专业级中文文档 OCR 技能，基于百度飞桨云 API，支持文档解析（表格还原、公式 LaTeX、版面分析）、文字识别、批量处理和 Excel 表格导出，专为中文发票、身份证、合同、论文等国内办公场景优化，无需本地 GPU。
阅读全文 （展开查看完整说明）
概述
PaddleOCR 中文文档解析技能
专业级中文文档 OCR 技能。基于百度飞桨引擎，支持文档解析和文字识别两大核心能力，中文场景准确率业界领先。
快速判断：用哪个模式？
| 用户需求 | 使用模式 | 脚本 |
|---|---|---|
| "识别这个发票/合同/论文，保留表格和格式" | 文档解析 | scripts/paddleocr_api.py doc-parse |
| "把这个图片里的文字提取出来" | 文字识别 | scripts/paddleocr_api.py text-recog |
| "批量处理这些扫描件" | 批量处理 | scripts/paddleocr_api.py batch |
| "把OCR出来的表格导出成Excel" | 表格导出 | scripts/table_exporter.py |
| "安装/检查依赖" | 依赖管理 | scripts/install_deps.py |
特征判断规则：
- 有表格/公式/多栏排版 → 文档解析 (doc-parse)
- 纯文字截图/简单图片 → 文字识别 (text-recog)
- 多文件 → 批量处理 (batch)
安装与配置
1. 安装依赖
python scripts/install_deps.py可选依赖（表格导出、PDF分页）：
python scripts/install_deps.py --with-optional2. 获取 PaddleOCR API 凭证
在 paddleocr.com 注册账号，进入 API 页面获取：
- API Key 和 Secret Key（用于生成 access_token）
- 或直接获取 access_token
3. 配置凭证
方法一：环境变量（推荐）
export PADDLEOCR_TOKEN="your_access_token_here"方法二：配置文件 (~/.paddleocr/config.json)
{
"access_token": "your_token",
"default_language": "ch"
}详见 references/api_reference.md 的 Token Management 章节。
能力一：文档解析 (Document Parsing)
完整文档理解，保留所有结构。
CLI 使用
# 基本用法 - 输出到终端
python scripts/paddleocr_api.py doc-parse invoice.jpg
# 保存为 Markdown 文件
python scripts/paddleocr_api.py doc-parse report.pdf -o report.md --json-output report.json
# 中英混合文档
python scripts/paddleocr_api.py doc-parse paper.pdf --language ch_en
# 完整参数
python scripts/paddleocr_api.py doc-parse contract.pdf
--token "your_token"
--language ch
--format both
--output contract.md
--json-output contract.json
--timeout 180Python API
from scripts.paddleocr_api import parse_document
result = parse_document(
"invoice.jpg",
access_token="your_token", # 或设置 PADDLEOCR_TOKEN 环境变量
language="ch",
output_format="markdown"
)
if result["success"]:
print(result["text"]) # Markdown 格式文本
print(result["tables"]) # 提取的表格数据
print(result["formulas"]) # LaTeX 格式公式
print(result["layout"]) # 版面分析结果返回结果说明
| 字段 | 类型 | 说明 |
|---|---|---|
text | string | Markdown 格式完整文本，含表格（Markdown table）和公式（$$...$$） |
tables | list | 表格数组，每个元素含 cells（二维数组）和 bbox（位置） |
formulas | list | 公式数组，每个元素含 latex（LaTeX 字符串）和 bbox |
layout | dict | 版面分析：blocks（区域类型和位置）和 reading_order（阅读顺序） |
适用场景
- 发票/财务报告 → 表格完整保留
- 学术论文 → 公式以 LaTeX 输出
- 合同/法律文档 → 条款结构保留
- 多栏排版 → 自动版面分析
- 含图表的文档 → 图表区域单独标注
能力二：文字识别 (Text Recognition)
快速准确的文本提取，返回结构化 JSON。
CLI 使用
# 基本用法
python scripts/paddleocr_api.py text-recog photo.jpg
# 保存结果
python scripts/paddleocr_api.py text-recog scan.png -o text.txt --json-output result.json
# 英文识别
python scripts/paddleocr_api.py text-recog english_doc.jpg --language enPython API
from scripts.paddleocr_api import recognize_text
result = recognize_text(
"screenshot.png",
access_token="your_token",
language="ch",
detect_direction=True
)
if result["success"]:
print(result["text"]) # 纯文本（换行分隔）
for word in result["words"]: # 逐词结果
print(f" [{word['bbox']}] {word['text']}")返回结果说明
| 字段 | 类型 | 说明 |
|---|---|---|
text | string | 纯文本，按行分隔 |
words | list | 逐词结果，每个元素含 text、bbox（top/left/width/height） |
direction | int | 文字方向（0=水平，1=竖排） |
words_result_num | int | 识别到的文本区域数量 |
适用场景
- 截图文字提取
- 照片/扫描件快速 OCR
- 简单文档纯文本提取
- 需要结构化 JSON 的二次开发
能力三：批量处理
# CLI 批量处理
python scripts/paddleocr_api.py batch page1.jpg page2.jpg page3.jpg --mode parse -d ./results
# 并发处理（Unix/macOS 下可用通配符，Windows 下请用具体文件名）
python scripts/paddleocr_api.py batch *.jpg --mode parse --workers 5# Python API
from scripts.paddleocr_api import batch_process
results = batch_process(
["page1.jpg", "page2.jpg", "page3.jpg"],
mode="parse", # "parse" 或 "recognize"
output_dir="./ocr_results", # 结果保存目录
language="ch",
max_workers=3, # 并发线程数
)
# 每个文件生成 {filename}.parse.json 或 {filename}.recognize.json能力四：表格导出
将文档解析结果中的表格导出为 Excel 或 CSV。
# 导出为 Excel（默认），每张表一个 Sheet
python scripts/table_exporter.py result.json --format xlsx -o tables.xlsx
# 导出为 CSV
python scripts/table_exporter.py result.json --format csv -o ./tables/
# 只导出第1和第3张表
python scripts/table_exporter.py result.json --table-index 1 3中文场景专项优化
针对国内常见文档类型的特殊处理，详见 references/chinese_scenarios.md：
| 场景 | 推荐模式 | 关键优化 |
|---|---|---|
| 发票 | doc-parse | 金额大小写配对、发票号码正则提取 |
| 身份证 | text-recog | 18位身份证号校验、出生日期提取 |
| 营业执照 | doc-parse | 统一社会信用代码提取 |
| 学术论文 | doc-parse | ch_en 语言、公式 LaTeX 输出 |
| 合同/法律文档 | doc-parse | 条款编号保留、签章区域标注 |
错误处理
常见错误
| 错误 | 原因 | 解决 |
|---|---|---|
FileNotFoundError | 文件不存在 | 检查文件路径 |
ValueError: access token required | 未配置 Token | 设置 PADDLEOCR_TOKEN 环境变量 |
API Error [17] | 每日调用量超限 | 等待次日或升级套餐 |
API Error [110/111] | Token 过期 | 重新获取 Token（有效期30天） |
Request timed out | 大文件处理超时 | 增加 timeout 参数或拆分文件 |
Unsupported file type | 文件格式不支持 | 转换为 JPG/PNG/PDF |
自动处理
脚本内置以下自动处理：
- RGBA → RGB 自动转换
- 大图自动缩放（保持宽高比）
- Base64 编码自动完成
- 临时错误自动重试（默认 3 次，指数退避）
- 错误时返回结构化错误信息（
success: false+error字段），不抛异常
参考资源
- API 详细文档：
references/api_reference.md— 完整 API 规范、参数说明、错误码 - 中文场景指南：
references/chinese_scenarios.md— 发票/身份证/营业执照等专项模板 - PaddleOCR 官网：https://www.paddleocr.com
- 百度 AI 开放平台：https://ai.baidu.com/tech/ocr
与同类技能对比
| 对比维度 | doc-lingxi | 通用英文 OCR |
|---|---|---|
| 中文准确率 | ⭐⭐⭐⭐⭐ 业界领先 | ⭐⭐ 较差 |
| 表格识别 | ✅ 完整结构保留 | ❌ 不支持 |
| 公式识别 | ✅ LaTeX 输出 | ❌ 不支持 |
| 版面分析 | ✅ 自动分析 | ❌ 不支持 |
| 部署方式 | 云 API（无需本地 GPU） | 本地安装 |
| 免费额度 | 500-50,000 页/天（按套餐） | 完全免费 |
| 多语言 | 12+ 语言 | 100+ 语言 |
