hiroi-sora / paddleocr-json Goto Github PK

作者您好，就是我算一个新手，想知道的就是可不可以在另外一个项目中直接使用c++调用exe文件，然后返回json到另外一个项目

对于上图这种的识别结果是两行哦，有什么好的方式或是模型，让他们输出成一个结果么？

{
"code": 100,
"data": [{
"box": [[84, 35],[393, 35],[393, 53],[84, 54]],
"score": 0.9679305553436279,
"text": "Driving in areas where salt or other"
}, {
"box": [[84, 66],[331, 66],[331, 84],[84, 84]],
"score": 0.9162040948867798,
"text": "corrosive materials are used"
}]
}

谢谢

python调用启动时，仅初始化只有100M左右，正常。
当ocr方法调用多次时，paddleOCR-json.exe进程的内存逐步飙到七百多M，而且，你停止调用ocr，内存并不会释放

import dxcam
import time
import cv2

PPOCR_api_module_path = './api'
sys.path.append(PPOCR_api_module_path)
from PPOCR_api import GetOcrApi

PADDLEOCR_JSON_PATH = "./PaddleOCR-json/PaddleOCR-json.exe"

time.sleep(2)

text_region = (426, 79, 510, 99)
camera = dxcam.create(output_color='BGR')
frame = camera.grab(region=text_region)
# cv2.imwrite('./results.png', frame)

frame_bytes = frame.tobytes()
results = ocr.runBytes(frame_bytes)
# results = ocr.run('./../results.png')
ocr.printResult(results)

图片识别失败。错误码：301，错误信息：Base64 data imdecode failed.

用cv2.imwrite方法保存为图片再用ocr.run方法可以成功识别，frame的类型为ndarray

按照“方式1. 传统构建”方法构建，已经按照PaddleOCR官方“Visual Studio 2019 Community CMake 编译指南”成功编译得到了ppocr.exe，并将项目的project_files\cpp_infer下include和src两个目录中的文件替换到了官方工程相同路径中，再次打开sln项目文件重新build，报了一堆错误，例如：
严重性 代码 说明 项目 文件 行 禁止显示状态
错误(活动) E1696 无法打开 源 文件 "nlohmann/json.hpp"
错误(活动) E0725 名称必须是命名空间名
错误(活动) E0020 未定义标识符 "json"
错误(活动) E0020 未定义标识符 "json"
错误(活动) E0020 未定义标识符 "json"
错误(活动) E0020 未定义标识符 "json"
错误(活动) E0276 后面有“::”的名称一定是类名或命名空间名
错误(活动) E0020 未定义标识符 "json"
错误 C2062 意外的类型“int”
错误 C2059 语法错误:“{”
错误 C2334 “{”的前面有意外标记；跳过明显的函数体
错误 C2530 “PaddleOCR::Classifier::gpu_id”: 必须初始化引用
......
看了一下，感觉是缺少了一些头文件所导致。对比了项目project_files和官方工程生成的的CMakeLists文件，确实不太一样，项目project_files\cpp_infer下src中的CMakeLists文件多了很多依赖的package。
所以，简单的将include和src两个目录中的文件替换到了官方工程相同路径，是否不可行？是否还漏了其他步骤？还是说文件合并后，还需要重新用cmake构建一次项目？

你好，请问在Linux（Ubuntu20.04）环境下是否可以正常编译打包？谢谢！

您好，感谢，汇报下
1、顺时针90°图片读完，行错位了
2、请问Win Server 2012不能直接运行是吗？

请问可以支持其他语言吗？比如意大利语。

有计划关键信息抽取（SER、RE）的支持吗

我在Win10平台CMD窗口下执行CLI命令运行到"退出前暂停程序"这一步骤时窗口会显示"Press any key to continue . . .", 但如果想采用DOS重定向符方式生成文本文件 (即 >xxx.txt )，那么这一句话就不会在窗口显示，而是输出到 xxx.txt 中了，这时候看CMD窗口会让人很懵B，由于没有显示那句话，看上去像是还在运行中，或者是卡死了，我又查看了 xxx.txt 的文件大小显示为0，结果我傻等了好一会见还是没动静只好选择点Esc或中断键放弃，这时候发现 xxx.txt 文件生成成功了(也就是大小已经不是0了)，实际是由于按了任意键，所以退出了暂停状态，搞了大半天我才明白这是怎么一回事。

为了解决以上问题，我到Issues查看了一下，发现作者回复其他问题时有提到过 -use_system_pause (退出前暂停程序) 说这一参数可以关闭，我尝试了一下(例如: PaddleOCR_json.exe -use_system_pause=0 -image_dir="D:\OCR.jpeg")，发现没有用，依然会“退出前暂停程序”。

我又查看了"详细使用说明", 以我的理解总结为，PaddleOCR_json.exe 支持的CLI命令格式只有两个参数 -use_debug、-image_dir ，而其它在说明中提到的参数都是属于 -use_debug= 的子参数，是不能单独拿出来用的，我尝试了一下(例如: PaddleOCR_json.exe -use_debug=0 -image_dir="D:\OCR.jpeg")，确实关闭了"退出前暂停程序"，但又出现了新的问题，文本内容不是能直接采用的明文了，而是转成了转ASCII编码(\u前缀格式 好像正确应该是叫Unicode 统一码/万国码)，还是再另想办法转回明文，汗!!!

我觉得"退出前暂停程序"这一步骤真的有点多余，如果能取消的最好，如果不能，那么能不能把它从子参数中提出来，变成单独可执行参数，也就是改成：PaddleOCR_json.exe 支持的CLI命令格式有三个参数 -use_debug、-image_dir、-use_system_pause

你好，我按照你的教程编译成一个exe，然后通过python可以调用执行。但是我编译成一个动态dll，再通过python调用的时候就一直报错。报错信息如下：

PreconditionNotMetError: The third-party dynamic library (mklml.dll) that Paddle depends on is not configured correctly. (error code is 182)

不知道你试过编译dll么，会不会遇到同样的错误。

(node:1920) DeprecationWarning: file property is deprecated and will be removed in v5.
(Use electron --trace-deprecation ... to show where the warning was created)
error Error: spawn PaddleOCR_json.exe ENOENT
at ChildProcess._handle.onexit (node:internal/child_process:283:19)
at onErrorNT (node:internal/child_process:478:16)
at process.processTicksAndRejections (node:internal/process/task_queues:83:21) {
code: 'ENOENT',
syscall: 'spawn PaddleOCR_json.exe',
spawnargs: [ '-config_path="models\config_chinese.txt"', '--use_debug=0' ]
}

控制面板 -> 6Rb?g

版本： PaddleOCR-json.v1.2.1
运行环境：win11

调用方法如图所示：

OCR识别正常，但在指定的输出目录中没看到结果图片
output_dir 的值试过 'D:/temp/ocr_output' 和 'D:\temp\ocr_output' ，一样没看到图片。

请帮忙看看哪里操作有问题，谢谢。

我有一种图片:

这个图片是992*48的

使用paddle0cr识别结果是：
{code=100, data=[RecognizedText{text='天单，', box=[8, 0][132, 3][132, 39][8, 36], score=0.8951358795166016}, RecognizedText{text='墙壁和地板', box=[662, 7][894, 7][894, 37][662, 37], score=0.9648885726928711}, RecognizedText{text='伯', box=[933, 7][980, 7][980, 36][933, 36], score=0.41533949971199036}, RecognizedText{text='大', box=[454, 18][628, 13][628, 28][454, 33], score=0.26688411831855774}], msg='null', hotUpdate='null'}

可以看到识别了四部分，并且检测框的高度分别是36,30,29,15，这些检测框过小导致识别结果错误。

我使用paddleocr官方模型，不开启文本检测，只做识别时:
('天里，我甚至尝试过拆掉屋顶、墙壁和地板，但', 0.977444589138031)
这时候可以完全识别正确。

我尝试关闭det=false参数好像也不起作用

我用的vb语音，需要自己构建json格式进行管道参数传递。我想知道json格式的结构。能否打印一份json格式的例子，这样我就知道怎么传递参数了。py的我不了解谢谢。

在“返回值说明”下添加以下内容 (也许我写得不太对，你看着修改^_^)

300 JSON转储失败了. 编码错误
data为字符串：JSON dump failed. Coding error.
原因：命令行调用方式采用了 方式1：启动参数，通过-image_dir参数传入的图片路径中包含有中文，需修改成不含中文的路径才行

use_debug=1 就正常

现在文本都不是可视字符了

PaddleOCR-json v1.2.1
OCR init completed.
{"code":100,"data":[{"box":[[384,6],[403,6],[403,23],[384,23]],"score":0.8491007089614868,"text":"\u53e3"},{"box":[[28,8],[121,8],[121,22],[28,22]],"score":0.9404433369636536,"text":"\u8ff7\u96fe\u901a4.4.20"},{"box":[[443,6],[462,6],[462,23],[443,23]],"score":0.7332991361618042,"text":"X"},{"box":[[35,69],[54,69],[54,90],[35,90]],"score":0.27678585052490234,"text":"8"},{"box":[[287,69],[310,69],[310,91],[287,91]],"score":0.6947178840637207,"text":"C"},{"box":[[99,71],[162,71],[162,92],[99,92]],"score":0.9988619685173035,"text":"icyfox"},{"box":[[371,69],[411,69],[411,92],[371,92]],"score":0.994987964630127,"text":"\u767b\u51fa"},{"box":[[99,131],[222,131],[222,151],[99,151]],"score":0.9241697788238525,"text":"\u4eab\u53d7\u65e0\u9650\u901f\u5ea6"},{"box":[[342,130],[422,132],[422,153],[342,151]],"score":0.8816037178039551,"text":"\u9a6c\u4e0a\u8d2d\u4e70\uff01"},{"box":[[231,319],[350,319],[350,347],[231,347]],"score":0.9966230988502502,"text":"\u8fde\u63a5\u6210\u529f"},{"box":[[231,356],[392,356],[392,374],[231,374]],"score":0.8895745277404785,"text":"0.00k274ms0.0%"},{"box":[[152,400],[198,400],[198,447],[152,447]],"score":0.9788767695426941,"text":"+"},{"box":[[212,408],[348,408],[348,435],[212,435]],"score":0.9950642585754395,"text":"\u745e\u58eb/\u82cf\u9ece\u4e16"},{"box":[[149,462],[333,462],[333,479],[149,479]],"score":0.9467524886131287,"text":"ch-zrh-01.exits.geph.io"},{"box":[[196,655],[287,655],[287,679],[196,679]],"score":0.9990895986557007,"text":"\u66f4\u6539\u4f4d\u7f6e"},{"box":[[217,721],[266,721],[266,749],[217,749]],"score":0.9995450973510742,"text":"\u65ad\u5f00"},{"box":[[388,814],[417,814],[417,841],[388,841]],"score":0.327283650636673,"text":"*"},{"box":[[61,840],[101,842],[100,865],[60,863]],"score":0.9298021197319031,"text":"\u6982\u89c8"},{"box":[[226,845],[259,845],[259,862],[226,862]],"score":0.893752932548523,"text":"\u901a\u77e5"},{"box":[[388,845],[419,845],[419,861],[388,861]],"score":0.9994618892669678,"text":"\u8bbe\u7f6e"}]}
OCR exit.

这是什么问题?

config_path [] does not exist.
[ERROR] det_model_dir [models/ch_PP-OCRv3_det_infer] does not exist. rec_model_dir [models/ch_PP-OCRv3_rec_infer] does not exist.

PaddleOCR_json 跑一段时间后，服务异常，返回null值，不知道如何解决？

if (strget != "" && score != 0 && count != 0) { // 确定识别内容存在
}else{
当识别的内容不存在的时候，这里没有对应的空值设置 ，在返回结果那你的boxs取了i。是不是会造成的错位，返回来的box不是对应的
}
可以加个QQ397720544吗，我也在用这paddleocr，有些东西要请教下？

想识别并纠正图像的方向

建议提供restfull接口调用方式

在使用pip默认安装的“pillow10.0.0”模块下，PPOCR_visualize.py中77行“w, h = ttf.getsize(text)”报错，恢复到“pillow 9.2”正常。
原因为pillow已经在新版本中删除了FreeTypeFont.getsize()方法，变更为新的方法FreeTypeFont.getbbox()。

具体见文档：https://pillow.readthedocs.io/en/stable/releasenotes/9.2.0.html

cmake 按步骤下来报错
CMake Error in CMakeLists.txt:
OUTPUT containing a "#" is not allowed.
然后我把 cpp下的CMakeLists.txt 里面的# Note: libpaddle_inference_api.so/a must put before libpaddle_inference.so/a 删除后，依然提示这个错误。vs版本和opencv版本和文章中的一样，cmake版本为3.27.0-rc4

这个项目 用到了 PaddleOCR-json ，主要演示了Rust+QT 开发 OCR 桌面软件的可行性。

你好，我想请问一下作者使用的什么软件打包的？

我目前想打包一个深度学习的Python代码lama，可是一直打包不成功
我是使用了nuitka和pyinstaller，可惜都没有成功，使用nuitka打包了1个多小时，内存积累到了将近10g，导致最后内存不足失败
我正常跑是可以的，但是不能打包出来
这是我的打包命令
nuitka --standalone --show-memory --mingw64 --show-progress --windows-icon-from-ico=./favicon.ico --output-dir=out ./bin/predict.py

所以我想请教一下作者是如何打包PaddleOcr的？
我的目标是将python库打包成一个命令行功能工具

请问，如果输入的图片已经是单行的文本，是否有参数可设置，跳过文本检测模型，直接使用文本识别模型呢？这样是不是可以加快运行速度？

有些问题想请教一下。
1.1如果用cmake软件编译
我在编译paddleocr的过程中，发现作者自定义的include文件夹下，并没有包含config.h。
并且还有其它一些微小的错误。

1.2如果用vs2019中的cmake编译，则会由于无法添加paddle的include文件目录，导致paddle_api.h不能正确导入，也会导致编译失败。

2.请问作者在程序中，是否使用了gpu？
如果使用了gpu，那我应该在CUDA_LIB以及CUDNN_LIB填写什么项的地址。

本人工程经验太少，希望各位大神能帮帮小弟解惑。

Traceback (most recent call last):
File "threading.py", line 950, in bootstrap_inner
File "threading.py", line 888, in run
File "keyboard_generic.py", line 58, in process
File "keyboard_init.py", line 218, in pre_process_event
File "keyboard_init_.py", line 649, in
File "main.py", line 135, in show_message
File "question_to_answer.py", line 21, in init
File "ocr_api.py", line 47, in init
Exception: OCR init fail.
请问我的代码打包为pyinstaller的时候运行会报错，但是本地运行是ok的

作者大大有望增加支持PHP调用接口范例吗

我看现在的 C++ 代码有一部分是 GBK 编码的（这也是 Visual Studio 默认的），应该全部改成 UTF8 编码。
我之后想移植到 Linux 上，编码应该统一

大佬，可以添加c++推理调用sast模型吗？我这里训练出SAST高精度模型，但只能应用python上。是否可以支持？可以交流下吗？有偿也可以

各位开发者，大家好！我是PaddleOCR-json的作者。

PaddleOCR-json刚刚更新了v1.3测试版本，重构了部分代码，让任务流程更清晰，功能分类明确，更适合二次开发工作。对多平台兼容专门做了优化，绑定平台的代码都分离出来单独封装。理论上，移植其他平台，只需要重写少数几个跟进程交互及文件读取有关的函数即可。

另外，考虑到管道交互的潜在的限制性（缓冲区有限，及无纠错机制），v1.3新增了通过TCP交互的方式，在不同平台上也许能提供更稳定和可靠的服务。不过考虑到本项目的初衷是纯本地的应用，而且我的后端开发经验也不足，所以暂未考虑HTTP服务器等更高层的网络交互机制。

现在诚邀有Linux开发经验的人员参与本项目，负责移植Linux的工作。过程中，有任何跟项目流程及功能有关的疑问，都可以在这个issue下提出，我会尽力帮助你。

v1.3中，我重写了全部项目文档，希望这些文档会对你有帮助：

• 移植指南
• 主页README
• 详细使用指南
• 项目构建指南

argument = {"config_path": "models/congfig_en.txt"} # 指定使用英文库
congfig这里写错啦，调半天= =

想请问一下进程该如何结束。

我使用如下代码创建子进程：

def OCR_text_threading(srcfile):
    argument = {'config_path': "models/config_chinese.txt"}
    ocr = GetOcrApi("./PaddleOCR-json_v.1.3.0/PaddleOCR-json.exe", argument)
    try:
        res = ocr.run(srcfile)
    except Exception as e:
        print(f'OCR_text_threading 循环失败： {e}')
        res = 0
    ocr.ret.kill()
    # ocr.exit()
    if res['code'] == 100:
        textBlocksNew = tbpu.run_merge_line_h_m_paragraph(res['data'])
        s = ""
        for i in range(len(textBlocksNew)):
            s1 = textBlocksNew[i]['text']
            s += s1
        print(s)
        clipboard.copy(s)


def OCR_text(srcfile):
    print(srcfile)
    try:
        my_thread = threading.Thread(target=OCR_text_threading, args=(srcfile,))
        print(my_thread)
        my_thread.start()
    except Exception as e:
        print(f'Thread 循环失败： {e}')
    return

某图片路径为：Z:\0722pz\0680_20230727110609_00.jpg

单次执行可成功。但是二次执行会爆出找不到文件的错误，重启重新识别正常：

<Thread(Thread-3 (OCR_text_threading), initial)>
Exception in thread Thread-3 (OCR_text_threading):
Traceback (most recent call last):
  File "F:\language\miniconda3\lib\threading.py", line 1016, in _bootstrap_inner
    self.run()
  File "F:\language\miniconda3\lib\threading.py", line 953, in run
    self._target(*self._args, **self._kwargs)
  File "E:\MyCode\python\picture-crop\main - v0.3.py", line 429, in OCR_text_threading
    ocr = GetOcrApi("./PaddleOCR-json_v.1.3.0/PaddleOCR-json.exe", argument)
  File "E:\MyCode\python\picture-crop\PPOCR_api.py", line 199, in GetOcrApi
    return PPOCR_pipe(exePath, argument)
  File "E:\MyCode\python\picture-crop\PPOCR_api.py", line 35, in __init__
    self.ret = subprocess.Popen(  # 打开管道
  File "F:\language\miniconda3\lib\subprocess.py", line 971, in __init__
    self._execute_child(args, executable, preexec_fn, close_fds,
  File "F:\language\miniconda3\lib\subprocess.py", line 1440, in _execute_child
    hp, ht, pid, tid = _winapi.CreateProcess(executable, args,
FileNotFoundError: [WinError 2] 系统找不到指定的文件。
Exception ignored in: <function PPOCR_pipe.__del__ at 0x000001D24FCD6A70>
Traceback (most recent call last):
  File "E:\MyCode\python\picture-crop\PPOCR_api.py", line 122, in __del__
    self.exit()
  File "E:\MyCode\python\picture-crop\PPOCR_api.py", line 103, in exit
    self.ret.kill()  # 关闭子进程
AttributeError: 'PPOCR_pipe' object has no attribute 'ret'

ocr.ret.kill() 似乎不起作用。该如何结束进程？

支持把项目部署在win 7上吗

windows作为socket server ，python和golang的客户端连接socket可以连上但是服务端报错接收数据大小不足导致json解析失败

我是php，使用proc_open创建的进程，发现proc_close并不能实际关闭paddleocr进程，proc_terminate也不能关闭，必须通过proc_get_status获取到pid，然后手动执行taskkill /F /T /PID ***才可以。

是原始设计就需要这么做吗？还是我的姿势不对啊

识别结果如何合并成完整的文本呢? 我用的是java,返回了很多box, 但是我想把他合并成一整段文本

非Python开发者，纯业余小白，为了解决日常办公需求写了个Powershell脚本，如果运行"PaddleOCR_json.exe 图片路径"能够直接返回JSON结果比较方便调用。不知道能不能满足鄙人的这个需求，万分感谢！

win10 v1.2.1
如图片方式调用时，第一次会乱码，之后调用没有问题
希望批处理调用时能传入多个图片路径，或者取消输出后的Press any key to continue