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[1]」

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。

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](https://docs.conda.io/en/latest/miniconda.html[2] )

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[3] 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个核，2个G内存」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~

参考资料

[1]TrWebOCR: https://github.com/alisen39/TrWebOCR

[2]miniconda: https://docs.conda.io/en/latest/miniconda.html

[3]wiki: https://github.com/alisen39/TrWebOCR/wiki/%E9%83%A8%E5%88%86%E9%83%A8%E7%BD%B2%E6%8A%A5%E9%94%99%E7%9A%84%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88

作者：麦麦麦造

链接：https://juejin.im/post/5eb2d52ae51d454dc20dca06

来源：掘金