【python】使用百度飞桨PaddleOCR进行本地文字识别

【python】使用百度飞桨PaddleOCR进行本地文字识别

• 1 前言
• 2 百度飞桨框架 PaddlePaddle
  • 2.1 理论
    • 框架图
    • 文档
    • CUDA 11、12区别
  • 2.2 操作
    • 查看 CUDA 版本
    • 更新、下载 CUDA版本
    • 安装 PaddlePaddle
      • CPU端安装
      • GPU端安装
      • 安装后验证
    • 卸载 PaddlePaddle
• 3 百度飞桨 PaddleOCR【版本3.xx】
  • 3.1 理论
    • 3.1.1 飞桨OCR、PP-OCRv5
    • 3.1.2 文档
    • 3.1.3 函数参数
      • 函数说明
      • PaddleOCR()
        • PaddleOCR() 参数
        • predict() 方法 的参数
        • 将结果 打印、另存为json、图片
        • 获取结果的 json、img属性
      • TextRecognition 文本识别模块
        • TextRecognition 参数
        • predict() 方法 的参数
        • 对结果的操作
        • TextRecognition()示例
      • 文本识别 返回值 总结
    • 3.1.4 模型
      • 模型介绍
        • 文本检测模块
        • 文本识别模块
      • 指定模型位置
  • 3.2 操作
    • 安装 PaddleOCR
  • 3.3 例子 PaddleOCR
    • 读取中文名图片
    • 2.x版本
      • cpu版
    • 3.x版本
      • 最简单的官方示例
      • 实战：对本地图片、屏幕上的内容进行文字识别

1 前言

这是一个前言指引，百度飞桨 是一个大型的工具，它有很多应用场景。
我主要用这个工具进行本地文字ocr、远端文字ocr，计算速度取决于电脑配置。
使用百度飞桨的文字ocr功能，你得先安装底层的 百度飞桨框架 PaddlePaddle，然后再安装 百度飞桨 PaddleOCR，虽然安装很麻烦很慢，但是它就是我目前遇到的好用的了。
入门使用花费了大量时间，但目前也只能算是小小的入门了。写这个的目的，仅仅只是分享一下

对于只想快速上手实现ocr文字，使用python的pip安装，你的流程：

1. 安装 百度飞桨框架 PaddlePaddle【3.xx版本】
   1. 官方版本
      1. CPU版本【没显卡的安装这个，不需要CPU版本和GPU版本都安装】
         1. 百度飞桨框架 PaddlePaddle CPU版本 安装
      2. GPU版本安装
         1. 查看 CUDA 版本
         2. 百度飞桨框架 PaddlePaddle GPU版本 安装
   2. 我的版本
      1. 安装 PaddlePaddle
2. 安装 百度飞桨 PaddleOCR【3.xx版本】
   1. 官方版本
      1. 百度飞桨 PaddleOCR 安装
   2. 我的版本
      1. 安装 PaddleOCR
3. 直奔示例，跳过我记的理论（我的理论也是从官方文档记的）
   1. 3.3 例子 PaddleOCR

对于想要深入使用，建议多看看官方的文档

1. 百度飞桨框架 PaddlePaddle 我只在安装的时候去看过，需要看的不多
2. 主要还是看 百度飞桨 PaddleOCR 的文档（我的理论也是从官方文档记的）
   1. 使用教程 - PaddleOCR 文档

2 百度飞桨框架 PaddlePaddle

2.1 理论

框架图

文档

飞桨PaddlePaddle-首页

开始使用_飞桨-源于产业实践的开源深度学习平台
10分钟快速上手飞桨-使用文档-PaddlePaddle深度学习平台

CUDA 11、12区别

CUDA版本总结 - 知乎
Python、PyTorch、CUDA 与显卡版本对应关系速查表-ZEEKLOG博客

AI 写的，仅供参考

PaddlePaddle 安装包已内置对应 CUDA 依赖，无需手动安装完整 CUDA 工具包，只需确保显卡支持该 CUDA 版本即可。

2.2 操作

查看 CUDA 版本

nvidia-smi 

# 右上角 CUDA Version: 11.1 C:\Users\h1369>nvidia-smi Thu Nov 06 15:10:06 2025 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 457.49 Driver Version: 457.49 CUDA Version: 11.1||-------------------------------+----------------------+----------------------+ | GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC || Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |||| MIG M. ||===============================+======================+======================||0 GeForce MX150 WDDM | 00000000:01:00.0 Off | N/A || N/A 60C P5 N/A / N/A | 124MiB / 2048MiB |6% Default |||| N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: || GPU GI CI PID Type Process name GPU Memory || ID ID Usage ||=============================================================================||0 N/A N/A 2464 C+G Insufficient Permissions N/A ||0 N/A N/A 3576 C+G ...les\Obsidian\Obsidian.exe N/A ||0 N/A N/A 4536 C+G ...ws\System32\ShellHost.exe N/A ||0 N/A N/A 6092 C+G Insufficient Permissions N/A ||0 N/A N/A 6176 C+G ...artMenuExperienceHost.exe N/A ||0 N/A N/A 6316 C+G ...ewy\CrossDeviceResume.exe N/A ||0 N/A N/A 8500 C+G ...537.71\msedgewebview2.exe N/A ||0 N/A N/A 9148 C+G ...e6\promecefpluginhost.exe N/A ||0 N/A N/A 9720 C+G ...n1h2txyewy\SearchHost.exe N/A ||0 N/A N/A 9736 C+G ...pplication\360ChromeX.exe N/A ||0 N/A N/A 10496 C+G ...1491.127\DesktopMgr64.exe N/A ||0 N/A N/A 16188 C+G ...oft OneDrive\OneDrive.exe N/A ||0 N/A N/A 16308 C+G ...Tencent\Wein\Wein.exe N/A ||0 N/A N/A 17456 C+G Insufficient Permissions N/A ||0 N/A N/A 18788 C+G ...cw5n1h2txyewy\LockApp.exe N/A ||0 N/A N/A 18796 C+G ...d\runtime\WeChatAppEx.exe N/A ||0 N/A N/A 19512 C+G ....127\Win11ContextMenu.exe N/A ||0 N/A N/A 21104 C+G ...8bbwe\WindowsTerminal.exe N/A ||0 N/A N/A 22624 C+G ...2txyewy\TextInputHost.exe N/A ||0 N/A N/A 22776 C+G ...main\current\DingTalk.exe N/A | +-----------------------------------------------------------------------------+ C:\Users\h1369>

更新、下载 CUDA版本

CUDA 工具包存档 |NVIDIA 开发人员

CUDA在大版本下向下兼容

安装 PaddlePaddle

Windows 下的 PIP 安装-使用文档-PaddlePaddle深度学习平台
开始使用_飞桨-源于产业实践的开源深度学习平台

安装前，最好先安装下 Microsoft C++ 生成工具 - Visual Studio 这里的C++环境（安装的时候，选组件，选：使用 C++ 的桌面开发），不然后面装ocr包可能会报错

CPU端安装

开始使用_飞桨-源于产业实践的开源深度学习平台

python -m pip installpaddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/ 

# 安装后验证 C:\Windows\System32> C:\Windows\System32>pip show paddlepaddle Name: paddlepaddle Version: 3.0.0 Summary: Parallel Distributed Deep Learning Home-page: UNKNOWN Author: Author-email: [email protected] License: Apache Software License Location: c:\users\h1369\appdata\local\programs\python\python38\lib\site-packages Requires: astor, decorator, httpx, networkx, numpy, opt-einsum, Pillow, protobuf, typing-extensions Required-by: C:\Windows\System32>

GPU端安装

请注意，PaddleOCR 依赖于 3.0 及以上版本的飞桨框架。
GPU端安装，由于GPU端需要根据具体 CUDA版本 来对应安装使用
旧版本安装_飞桨
Pip 安装-使用文档-PaddlePaddle深度学习平台

--pre 表示允许安装 PaddlePaddle 的预发布版本（例如开发版、测试版、 nightly 夜间构建版等）
如果不添加 --pre，pip 会默认只安装正式发布（stable）的版本，而忽略预发布版本

安装 GPU cuda12.6 版本的命令为：

python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/ 

安装 GPU cuda11.8 版本的命令为：

python -m pip install paddlepaddle-gpu==3.2.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ 

python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/ 

安装后验证

使用 python 进入 python 解释器，输入 import paddle ，再输入 paddle.utils.run_check()。

如果出现 PaddlePaddle is installed successfully!，说明您已成功安装。

python import paddle paddle.utils.run_check()# 验证安装是否成功

其他查看

print(paddle.__version__)# 查看版本

卸载 PaddlePaddle

• CPU 版本的 PaddlePaddle:

python -m pip uninstall paddlepaddle 

• GPU 版本的 PaddlePaddle:

python -m pip uninstall paddlepaddle-gpu 

3 百度飞桨 PaddleOCR【版本3.xx】

3.1 理论

3.1.1 飞桨OCR、PP-OCRv5

OCR（光学字符识别，Optical Character Recognition）是一种将图像中的文字转换为可编辑文本的技术。它广泛应用于文档数字化、信息提取和数据处理等领域。OCR 可以识别印刷文本、手写文本，甚至某些类型的字体和符号。

通用 OCR 产线用于解决文字识别任务，提取图片中的文字信息以文本形式输出，本产线支持PP-OCRv3、PP-OCRv4、PP-OCRv5模型的使用，其中默认模型为 PaddleOCR3.0 发布的 PP-OCRv5_server 模型，其在多个场景中较 PP-OCRv4_server 提升 13 个百分点。

PP-OCRv5 是 PP-OCR 新一代文字识别解决方案，该方案聚焦于多场景、多文字类型的文字识别。在文字类型方面，PP-OCRv5支持简体中文、中文拼音、繁体中文、英文、日文5大主流文字类型，在场景方面，PP-OCRv5升级了中英复杂手写体、竖排文本、生僻字等多种挑战性场景的识别能力。在内部多场景复杂评估集上，PP-OCRv5较PP-OCRv4端到端提升13个百分点。

通用OCR产线中包含以下 5个模块。每个模块均可独立进行训练和推理，并包含多个模型。

• 文档图像方向分类模块 （可选）
• 文本图像矫正模块 （可选）
• 文本行方向分类模块 （可选）
• 文本检测模块
  • 负责在图像中定位和标记出包含文本的区域。
  • 该模块的性能直接影响到整个OCR系统的准确性和效率。
  • 文本检测模块通常会输出文本区域的边界框（Bounding Boxes），这些 边界框 将作为输入传递给 文本识别模块 进行后续处理。
• 文本识别模块
  • 文本识别模块 通常接收 文本检测模块输出的文本区域的边界框（Bounding Boxes）作为输入，然后通过复杂的图像处理和深度学习算法，将图像中的文本转化为可编辑和可搜索的电子文本。文本识别结果的准确性，对于后续的信息提取和数据挖掘等应用至关重要。

3.1.2 文档

使用教程 - PaddleOCR 文档

通用OCR产线 - PaddleX 文档

3.1.3 函数参数

函数说明

简单来说：

• 如果需要 “一键式” OCR 功能，优先用 PaddleOCR()；
• 如果只需要识别裁剪好的文字区域，或需拆分流程定制，再用 TextRecognition()

PaddleOCR()

使用教程 - PaddleOCR 文档

PaddleOCR() 参数

predict() 方法 的参数

调用 OCR 产线对象的 predict() 方法进行 推理预测，该方法会返回一个结果列表。

另外，产线还提供了 predict_iter() 方法。
两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。
可以根据实际需求选择使用这两种方法中的任意一种。

以下是 predict() 方法的参数及其说明：

将结果 打印、另存为json、图片

对预测结果进行处理，每个样本的预测结果均为对应的Result对象，
且支持 打印、保存为图片、保存为 json 文件、获取结果的 json、img 属性：

• 调用print() 方法会将结果打印到终端，打印到终端的内容解释如下：
  • input_path: (str) 待预测图像的输入路径
  • page_index: (Union[int, None]) 如果输入是PDF文件，则表示当前是PDF的第几页，否则为 None
  • model_settings: (Dict[str, bool]) 配置产线所需的模型参数
    • use_doc_preprocessor: (bool) 控制是否启用文档预处理子产线
    • use_textline_orientation: (bool) 控制是否启用文本行方向分类模块
  • doc_preprocessor_res: (Dict[str, Union[str, Dict[str, bool], int]]) 文档预处理子产线的输出结果。仅当use_doc_preprocessor=True时存在
    • input_path: (Union[str, None]) 图像预处理子产线接受的图像路径，当输入为numpy.ndarray时，保存为None
    • model_settings: (Dict) 预处理子产线的模型配置参数
      • use_doc_orientation_classify: (bool) 控制是否启用文档方向分类
      • use_doc_unwarping: (bool) 控制是否启用文本图像矫正
    • angle: (int) 文档方向分类的预测结果。启用时取值为[0,1,2,3]，分别对应[0°,90°,180°,270°]；未启用时为-1
  • dt_polys: (List[numpy.ndarray]) 文本检测的多边形框列表。每个检测框由4个顶点坐标构成的numpy数组表示，数组shape为(4, 2)，数据类型为int16
  • dt_scores: (List[float]) 文本检测框的置信度列表
  • text_det_params: (Dict[str, Dict[str, int, float]]) 文本检测模块的配置参数
    • limit_side_len: (int) 图像预处理时的边长限制值
    • limit_type: (str) 边长限制的处理方式
    • thresh: (float) 文本像素分类的置信度阈值
    • box_thresh: (float) 文本检测框的置信度阈值
    • unclip_ratio: (float) 文本检测框的膨胀系数
    • text_type: (str) 文本检测的类型，当前固定为"general"
  • textline_orientation_angles: (List[int]) 文本行方向分类的预测结果。启用时返回实际角度值（如[0,0,1]），未启用时返回[-1,-1,-1]
  • text_rec_score_thresh: (float) 文本识别结果的过滤阈值
  • rec_texts: (List[str]) 文本识别结果列表，仅包含置信度超过text_rec_score_thresh的文本
  • rec_scores: (List[float]) 文本识别的置信度列表，已按text_rec_score_thresh过滤
  • rec_polys: (List[numpy.ndarray]) 经过置信度过滤的文本检测框列表，格式同dt_polys
  • rec_boxes: (numpy.ndarray) 检测框的矩形边界框数组，shape为(n, 4)，dtype为int16。每一行表示一个矩形框的[x_min, y_min, x_max, y_max]坐标，其中(x_min, y_min)为左上角坐标，(x_max, y_max)为右下角坐标
• 调用save_to_json() 方法会将上述内容保存到指定的save_path中，如果指定为目录，则保存的路径为save_path/{your_img_basename}_res.json，如果指定为文件，则直接保存到该文件中。由于json文件不支持保存numpy数组，因此会将其中的numpy.array类型转换为列表形式。
• 调用save_to_img() 方法会将可视化结果保存到指定的save_path中，如果指定为目录，则保存的路径为save_path/{your_img_basename}_ocr_res_img.{your_img_extension}，如果指定为文件，则直接保存到该文件中。(产线通常包含较多结果图片，不建议直接指定为具体的文件路径，否则多张图会被覆盖，仅保留最后一张图)

获取结果的 json、img属性

• 此外，也支持通过属性获取带结果的可视化图像和预测结果，具体如下：

• json 属性获取的预测结果为dict类型的数据，相关内容与调用 save_to_json() 方法保存的内容一致。
• img 属性返回的预测结果是一个dict类型的数据。其中，键分别为 ocr_res_img 和 preprocessed_img，对应的值是两个 Image.Image 对象：
  • 一个用于显示 OCR 结果的可视化图像，
  • 另一个用于展示图像预处理的可视化图像。
  • 如果没有使用图像预处理子模块，则dict中只包含 ocr_res_img。

for res in result:# res.print()# res.save_to_img("output")# res.save_to_json("output")# 在遍历时，直接 .json，获取 json 格式的结果，不要加 括号print(res.json)# 在遍历时，直接 .img，获取 dict 格式的结果，不要加 括号print(res.img)

# 调试的输出：>>> res.json {'res':{'input_path':None,'page_index':None,'model_settings':{'use_doc_preprocessor':True,'use_textline_orientation':False},'doc_preprocessor_res':{'input_path':None,'page_index':None,'model_settings':{'use_doc_orientation_classify':False,'use_doc_unwarping':False},'angle':-1},'dt_polys':[[[109,9],[141,9],[141,28],[109,28]],[[522,8],[556,8],[556,29],[522,29]],[[707,7],[766,9],[765,31],[706,29]],[[916,9],[948,9],[948,28],[916,28]],[[35,77],[235,77],[235,96],[35,96]],[[522,74],[561,74],[561,98],[522,98]],[[722,75],[757,75],[757,97],[722,97]],[[917,76],[948,76],[948,95],[917,95]],[[35,175],[242,175],[242,193],[35,193]],[[522,171],[561,171],[561,195],[522,195]],[[713,171],[757,171],[757,194],[713,194]],[[917,173],[948,173],[948,191],[917,191]],[[35,271],[235,271],[235,290],[35,290]],[[522,269],[560,269],[560,293],[522,293]],[[708,269],[756,269],[756,291],[708,291]],[[917,270],[948,270],[948,290],[917,290]]],'text_det_params':{'limit_side_len':736,'limit_type':'min','thresh':0.3,'max_side_limit':4000,'box_thresh':0.6,'unclip_ratio':1.5},'text_type':'general','textline_orientation_angles':[-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1],'text_rec_score_thresh':0.0,'rec_texts':['道具','期限','出售价格','购买','宝宝巴士','永久','150','购买','宝宝巴士V','永久','1100','购买','宝宝巴士','永久','2499','购买'],'rec_scores':[0.9986263513565063,0.9999188184738159,0.9993999004364014,0.9999532103538513,0.9988628625869751,0.9999917149543762,0.9990103840827942,0.999974250793457,0.9985808730125427,0.9999917149543762,0.9990518689155579,0.9999517798423767,0.985887885093689,0.9999889731407166,0.9992300271987915,0.9999874234199524],'rec_polys':[[[109,9],[141,9],[141,28],[109,28]],[[522,8],[556,8],[556,29],[522,29]],[[707,7],[766,9],[765,31],[706,29]],[[916,9],[948,9],[948,28],[916,28]],[[35,77],[235,77],[235,96],[35,96]],[[522,74],[561,74],[561,98],[522,98]],[[722,75],[757,75],[757,97],[722,97]],[[917,76],[948,76],[948,95],[917,95]],[[35,175],[242,175],[242,193],[35,193]],[[522,171],[561,171],[561,195],[522,195]],[[713,171],[757,171],[757,194],[713,194]],[[917,173],[948,173],[948,191],[917,191]],[[35,271],[235,271],[235,290],[35,290]],[[522,269],[560,269],[560,293],[522,293]],[[708,269],[756,269],[756,291],[708,291]],[[917,270],[948,270],[948,290],[917,290]]],'rec_boxes':[[109,9,141,28],[522,8,556,29],[706,7,766,31],[916,9,948,28],[35,77,235,96],[522,74,561,98],[722,75,757,97],[917,76,948,95],[35,175,242,193],[522,171,561,195],[713,171,757,194],[917,173,948,191],[35,271,235,290],[522,269,560,293],[708,269,756,291],[917,270,948,290]]}}>>> res.img {'ocr_res_img':<PIL.Image.Image image mode=RGB size=2232x446 at 0x1E584E9C3D0>,'preprocessed_img':<PIL.Image.Image image mode=RGB size=3348x471 at 0x1E584E9CAC0>}>>>len(result)1

TextRecognition 文本识别模块

文本识别模块 - PaddleOCR 文档

TextRecognition 参数

TextRecognition实例化文本识别模型（此处以PP-OCRv5_server_rec为例），具体说明如下：

predict() 方法 的参数

• 调用文本识别模型的 predict() 方法进行推理预测，该方法会返回一个 结果 列表。
• 另外，本模块还提供了 predict_iter() 方法。
• 两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。
• 可以根据实际需求选择使用这两种方法中的任意一种。

predict() 方法参数有 input 和 batch_size，具体说明如下：

对结果的操作

对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为json文件的操作:

TextRecognition()示例

from paddleocr import TextRecognition model = TextRecognition(model_name="PP-OCRv5_server_rec") output = model.predict(input="general_ocr_rec_001.png", batch_size=1)for res in output: res.print() res.save_to_img(save_path="./output/") res.save_to_json(save_path="./output/res.json")# 在遍历时，直接 .json，获取 json 格式的结果，不要加 括号# print(res.json)# 在遍历时，直接 .img，获取 dict 格式的结果，不要加 括号# print(res.img)

运行后，得到的结果为：

{'res':{'input_path':'general_ocr_rec_001.png','page_index':None,'rec_text':'绿洲仕格维花园公寓','rec_score':0.9823867082595825}}

运行结果参数含义如下：

• input_path：表示输入待预测文本行图像的路径
• page_index：如果输入是PDF文件，则表示当前是PDF的第几页，否则为 None
• rec_text：表示文本行图像的预测文本
• rec_score：表示文本行图像的预测置信度

文本识别 返回值 总结

如果要简单，就把返回的数据用 .json 获取出来，这样就是 字典、数组

如果不用 .json 获取，那原来的数据类型就很多，比如 坐标 是 numpy类型的：

>>>print(type(result))<class'list'>>>>print(type(result[0]))<class'paddlex.inference.pipelines.ocr.result.OCRResult'>>>>print(result[0]) 完整的数据，很多 

常用的键：

# 文本识别 结果列表 a['res']['rec_texts']# 文本识别 的置信度列表 a['res']['rec_scores']# 文本坐标（4个顶点 的坐标，左上、左下、右上、右下）。[[[x1,y1], [x2,y2], [x3,y3], [x4,y4]], ...] a['res']['rec_polys']# 文本坐标（左上、右下 点 的坐标）。[[x1,y1, x2,y2], ...] a['res']['rec_boxes']

# 示例import cv2 import numpy as np from paddleocr import PaddleOCR ocr = PaddleOCR( use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False)# 文本检测+文本识别 img ="QQ20250926001505.png" result = ocr.predict(img)print('识别完成')# 把数据转为 json 格式 a = result[0].json for i,x in a['res'].items():print('---')print(i,x)--- input_path None--- page_index None--- model_settings {'use_doc_preprocessor':True,'use_textline_orientation':False}--- doc_preprocessor_res {'input_path':None,'page_index':None,'model_settings':{'use_doc_orientation_classify':False,'use_doc_unwarping':False},'angle':-1}--- dt_polys [[[109,9],[141,9],[141,28],[109,28]],[[522,8],[556,8],[556,29],[522,29]],[[707,7],[766,9],[765,31],[706,29]],[[916,9],[948,9],[948,28],[916,28]],[[35,77],[235,77],[235,96],[35,96]],[[522,74],[561,74],[561,98],[522,98]],[[722,75],[757,75],[757,97],[722,97]],[[917,76],[948,76],[948,95],[917,95]],[[35,175],[242,175],[242,193],[35,193]],[[522,171],[561,171],[561,195],[522,195]],[[713,171],[757,171],[757,194],[713,194]],[[917,173],[948,173],[948,191],[917,191]],[[35,271],[235,271],[235,290],[35,290]],[[522,269],[560,269],[560,293],[522,293]],[[708,269],[756,269],[756,291],[708,291]],[[917,270],[948,270],[948,290],[917,290]]]--- text_det_params {'limit_side_len':736,'limit_type':'min','thresh':0.3,'max_side_limit':4000,'box_thresh':0.6,'unclip_ratio':1.5}--- text_type general --- textline_orientation_angles [-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1]--- text_rec_score_thresh 0.0--- rec_texts ['道具','期限','出售价格','购买','宝宝巴士','永久','150','购买','宝宝巴士V','永久','1100','购买','宝宝巴士','永久','2499','购买']--- rec_scores [0.9986263513565063,0.9999188184738159,0.9993999004364014,0.9999532103538513,0.9988628625869751,0.9999917149543762,0.9990103840827942,0.999974250793457,0.9985808730125427,0.9999917149543762,0.9990518689155579,0.9999517798423767,0.985887885093689,0.9999889731407166,0.9992300271987915,0.9999874234199524]--- rec_polys [[[109,9],[141,9],[141,28],[109,28]],[[522,8],[556,8],[556,29],[522,29]],[[707,7],[766,9],[765,31],[706,29]],[[916,9],[948,9],[948,28],[916,28]],[[35,77],[235,77],[235,96],[35,96]],[[522,74],[561,74],[561,98],[522,98]],[[722,75],[757,75],[757,97],[722,97]],[[917,76],[948,76],[948,95],[917,95]],[[35,175],[242,175],[242,193],[35,193]],[[522,171],[561,171],[561,195],[522,195]],[[713,171],[757,171],[757,194],[713,194]],[[917,173],[948,173],[948,191],[917,191]],[[35,271],[235,271],[235,290],[35,290]],[[522,269],[560,269],[560,293],[522,293]],[[708,269],[756,269],[756,291],[708,291]],[[917,270],[948,270],[948,290],[917,290]]]--- rec_boxes [[109,9,141,28],[522,8,556,29],[706,7,766,31],[916,9,948,28],[35,77,235,96],[522,74,561,98],[722,75,757,97],[917,76,948,95],[35,175,242,193],[522,171,561,195],[713,171,757,194],[917,173,948,191],[35,271,235,290],[522,269,560,293],[708,269,756,291],[917,270,948,290]]

{'res':{'input_path':'','page_index':'','model_settings':{'use_doc_preprocessor':'','use_textline_orientation':''},'doc_preprocessor_res':{'input_path':'','page_index':'','model_settings':{'use_doc_orientation_classify':'','use_doc_unwarping':''},'angle':''},'dt_polys':'','text_det_params':{'limit_side_len':'','limit_type':'','thresh':'','max_side_limit':'','box_thresh':'','unclip_ratio':''},'text_type':'','textline_orientation_angles':'','text_rec_score_thresh':'','rec_texts':'','rec_scores':'','rec_polys':'','rec_boxes':''}}

3.1.4 模型

模型介绍

文本检测模块

• 文本检测模块
  • 负责在图像中定位和标记出包含文本的区域。
  • 该模块的性能直接影响到整个OCR系统的准确性和效率。
  • 文本检测模块通常会输出文本区域的边界框（Bounding Boxes），这些 边界框 将作为输入传递给 文本识别模块 进行后续处理。

文本识别模块

• 文本识别模块
  • 文本识别模块 通常接收 文本检测模块输出的文本区域的边界框（Bounding Boxes）作为输入，然后通过复杂的图像处理和深度学习算法，将图像中的文本转化为可编辑和可搜索的电子文本。文本识别结果的准确性，对于后续的信息提取和数据挖掘等应用至关重要。

下面的 PP-OCRv5_rec 是新一代文本识别模型。该模型致力于以单一模型高效、精准地支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。在保持识别效果的同时，兼顾推理速度和模型鲁棒性，为各种场景下的文档理解提供高效、精准的技术支撑。

指定模型位置

4.2.1 通过参数指定本地模型路径

在初始化产线对象时，通过参数指定本地模型路径。以文本检测模型微调后的权重的使用方法为例，示例如下：

命令行方式:

# 通过 --text_detection_model_dir 指定本地模型路径 paddleocr ocr -i ./general_ocr_002.png --text_detection_model_dir your_det_model_path # 默认使用 PP-OCRv5_server_det 模型作为默认文本检测模型，如果微调的不是该模型，通过 --text_detection_model_name 修改模型名称 paddleocr ocr -i ./general_ocr_002.png --text_detection_model_name PP-OCRv5_mobile_det --text_detection_model_dir your_v5_mobile_det_model_path 

python 脚本方式：

from paddleocr import PaddleOCR # 通过 text_detection_model_dir 指定本地模型路径 pipeline = PaddleOCR(text_detection_model_dir="./your_det_model_path")# 默认使用 PP-OCRv5_server_det 模型作为默认文本检测模型，如果微调的不是该模型，通过 text_detection_model_name 修改模型名称 pipeline = PaddleOCR(text_detection_model_name="PP-OCRv5_mobile_det", text_detection_model_dir="./your_v5_mobile_det_model_path")

3.2 操作

安装 PaddleOCR

安装 - PaddleOCR 文档
如果只希望使用 PaddleOCR 的推理功能【就是简单的文字识别】，请参考 安装推理包；
如果希望进行模型训练、导出等，请参考 安装训练依赖。在同一环境中安装推理包和训练依赖是允许的，无需进行环境隔离。

3.x版本的 paddleocr，python版本要求 3.9 起步。 如果是python3.9以下，就装2.x版本 C:\Windows\System32>pip index versions paddleocr paddleocr (3.2.0) Available versions: 3.2.0, 3.1.1, 3.1.0, 3.0.3, 3.0.2, 3.0.1, 3.0.0, 2.10.0, 2.9.1, 2.9.0, 2.8.1, 2.8.0, 2.7.3, 2.7.2, 2.7.0.3, 2.7.0.2, 2.7.0.1, 2.7.0.0, 2.6.1.3, 2.6.1.2, 2.6.1.1, 2.6.1.0, 2.6.0.3, 2.6.0.2, 2.6.0.1, 2.6, 2.5.0.3, 2.5.0.2, 2.5, 2.4.0.4, 2.4.0.3, 2.4.0.2, 2.4.0.1, 2.4, 2.3.0.2, 2.3.0.1, 2.3, 2.2.0.2, 2.2.0.1, 2.2, 2.0.6, 2.0.5, 2.0.4, 2.0.3, 2.0.2, 2.0.1, 1.1.1, 1.0.1, 1.0.0, 0.0.3.1, 0.0.3, 0.0.2, 0.0.1.1, 0.0.0 INSTALLED: 3.2.0 LATEST: 3.2.0 C:\Windows\System32>

只希望使用 基础文字识别功能（返回文字位置坐标和文本内容）

python -m pip installpaddleocr==3.0.0 

希望使用文档解析、文档理解、文档翻译、关键信息抽取等全部功能

python -m pip install"paddleocr[all]"

C:\Windows\System32>pip show paddleocr Name: paddleocr Version: 3.2.0 Summary: Awesome multilingual OCR and document parsing toolkits based on PaddlePaddle Home-page: https://github.com/PaddlePaddle/PaddleOCR Author: Author-email: PaddlePaddle <[email protected]> License: Apache License 2.0 Location: c:\users\h1369\appdata\local\programs\python\python38\lib\site-packages Requires: paddlex, PyYAML, typing-extensions Required-by: C:\Windows\System32>

3.3 例子 PaddleOCR

读取中文名图片

import os import cv2 import numpy as np from paddleocr import PaddleOCR ocr = PaddleOCR( use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False) img ="QQ20250926001505 - 副本.png"# 使用OpenCV读取图片，支持中文路径# 先读取为numpy数组，再转换为BGR格式# 这种方式会导致没有文件名，会提示：由于没有输入文件名作为保存结果文件名的参考，所以保存的结果文件将使用 时间戳和随机数 来命名：`1759224064_2786` img = cv2.imdecode(np.fromfile(img, dtype=np.uint8), cv2.IMREAD_COLOR) result = ocr.predict(img)for res in result: res.print() res.save_to_img("output") res.save_to_json("output")

2.x版本

cpu版

from paddleocr import PaddleOCR import matplotlib.pyplot as plt from PIL import Image import numpy as np # 1. 初始化OCR模型（2.6.1.3 CPU版） ocr = PaddleOCR( use_gpu=False, lang='ch', cls=True# 启用方向分类（虽有警告，但不影响识别）)# 2. 本地图片路径（替换为你的图片路径） img_path ="QQ20250926001505.png"# 相对路径/绝对路径均可# 3. 执行OCR识别print('开始识别...') result = ocr.ocr(img_path, cls=True)# result = [[[[[112.0, 10.0], [141.0, 10.0], [141.0, 28.0], [112.0, 28.0]], ('道具', 0.9917236566543579)], [[[524.0, 10.0], [555.0, 10.0], [555.0, 29.0], [524.0, 29.0]], ('期限', 0.9742878675460815)], [[[709.0, 12.0], [764.0, 12.0], [764.0, 29.0], [709.0, 29.0]], ('出售价格', 0.9982539415359497)], [[[918.0, 10.0], [947.0, 10.0], [947.0, 28.0], [918.0, 28.0]], ('购买', 0.9150546789169312)], [[[36.0, 80.0], [231.0, 80.0], [231.0, 95.0], [36.0, 95.0]], ('宝宝巴士', 0.9421949982643127)], [[[525.0, 79.0], [558.0, 79.0], [558.0, 98.0], [525.0, 98.0]], ('永久', 0.9970362186431885)], [[[724.0, 78.0], [761.0, 78.0], [761.0, 95.0], [724.0, 95.0]], ('150', 0.709652841091156)], [[[917.0, 77.0], [947.0, 77.0], [947.0, 94.0], [917.0, 94.0]], ('购买', 0.9994500875473022)], [[[37.0, 177.0], [241.0, 177.0], [241.0, 193.0], [37.0, 193.0]], ('宝宝巴士V', 0.9707132577896118)], [[[525.0, 175.0], [558.0, 175.0], [558.0, 194.0], [525.0, 194.0]], ('永久', 0.9980766773223877)], [[[713.0, 173.0], [779.0, 170.0], [780.0, 191.0], [714.0, 194.0]], ('1100?', 0.776985764503479)], [[[917.0, 174.0], [947.0, 174.0], [947.0, 192.0], [917.0, 192.0]], ('购买', 0.9996713399887085)], [[[37.0, 274.0], [234.0, 274.0], [234.0, 290.0], [37.0, 290.0]], ('宝宝巴士', 0.9323314428329468)], [[[521.0, 272.0], [559.0, 269.0], [561.0, 291.0], [523.0, 294.0]], ('永久', 0.9989298582077026)], [[[711.0, 272.0], [759.0, 272.0], [759.0, 289.0], [711.0, 289.0]], ('2499', 0.8633398413658142)], [[[917.0, 272.0], [947.0, 272.0], [947.0, 289.0], [917.0, 289.0]], ('购买', 0.9994500875473022)]]]print('识别结束')print(result)print('--------------------------------') tmp_str =''for i in result[0]:# print(i)for x in i:print('------')iftype(x[0])==str:print(x) tmp_str += x[0]print('----------')print(tmp_str)

3.x版本

最简单的官方示例

import os import cv2 import numpy as np from paddleocr import PaddleOCR ocr = PaddleOCR( use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False)# 文本检测+文本识别# ocr = PaddleOCR(use_doc_orientation_classify=True, use_doc_unwarping=True) # 文本图像预处理+文本检测+方向分类+文本识别# ocr = PaddleOCR(use_doc_orientation_classify=False, use_doc_unwarping=False) # 文本检测+文本行方向分类+文本识别 img ="QQ20250926001505 - 副本.png"# 使用OpenCV读取图片，支持中文路径# 先读取为numpy数组，再转换为BGR格式# 这种方式会导致没有文件名，会提示：由于没有输入文件名作为保存结果文件名的参考，所以保存的结果文件将使用 时间戳和随机数 来命名：`1759224064_2786` img = cv2.imdecode(np.fromfile(img, dtype=np.uint8), cv2.IMREAD_COLOR) result = ocr.predict(img)for res in result: res.print() res.save_to_img("output") res.save_to_json("output")

实战：对本地图片、屏幕上的内容进行文字识别

功能：

• ocr_find_str 对图片（本地图片、截图数据）进行orc，查找文字，返回文字居中位置
• screenshot_and_ocr 截屏（支持指定区域） 进行 ocr识别
• screenshot_and_find_str 截屏（支持指定区域）并查找 目标文字
• click_str 截屏，并点击文字位置
• find_str 截屏，并查找文字位置

import pyautogui import numpy import cv2 import time from paddleocr import PaddleOCR classBaiduOCR:""" 功能： ocr_find_str 对图片（本地图片、截图数据）进行orc，查找文字，返回文字居中位置 screenshot_and_ocr 截屏（支持指定区域） 进行 ocr识别 screenshot_and_find_str 截屏（支持指定区域）并查找 目标文字 click_str 截屏，并点击文字位置 find_str 截屏，并查找文字位置 """def__init__(self):# 类参数 self.win_Width_size, self.win_Height_size = pyautogui.size()# 获取显示器分辨率 self.all_task_et_flag =None# 所有任务退出标志# 初始化OCR self.ocr =None self.init_ocr()print("BaiduOCR 初始化成功")# ---------------------- 通用方法 ---------------------- #defmini_task_set_region(self, region=None):""" 处理 截图预设的范围 """# 计算要偏移多少x、y坐标（默认截取全屏时，偏移为0）ifisinstance(region,str):# 为region预设了几种范围，省的手动计算区域："上、下、左、右、中、左上、左下、右上、右下"if region =="上":# 上半屏：x=0, y=0, 宽度全屏, 高度半屏 region =(0,0, self.win_Width_size, self.win_Height_size //2)elif region =="下":# 下半屏：x=0, y=半屏高度, 宽度全屏, 高度半屏 region =(0, self.win_Height_size //2, self.win_Width_size, self.win_Height_size //2)elif region =="左":# 左半屏：x=0, y=0, 宽度半屏, 高度全屏 region =(0,0, self.win_Width_size //2, self.win_Height_size)elif region =="右":# 右半屏：x=半屏宽度, y=0, 宽度半屏, 高度全屏 region =(self.win_Width_size //2,0, self.win_Width_size //2, self.win_Height_size)elif region =="中":# 中间区域：x=1/4屏宽, y=1/4屏高, 宽度1/2屏宽, 高度1/2屏高（居中） region =(self.win_Width_size //4, self.win_Height_size //4, self.win_Width_size //2, self.win_Height_size //2)elif region =="左上":# 左上区域：x=0, y=0, 宽度半屏, 高度半屏 region =(0,0, self.win_Width_size //2, self.win_Height_size //2)elif region =="左下":# 左下区域：x=0, y=半屏高度, 宽度半屏, 高度半屏 region =(0, self.win_Height_size //2, self.win_Width_size //2, self.win_Height_size //2)elif region =="右上":# 右上区域：x=半屏宽度, y=0, 宽度半屏, 高度半屏 region =(self.win_Width_size //2,0, self.win_Width_size //2, self.win_Height_size //2)elif region =="右下":# 右下区域：x=半屏宽度, y=半屏高度, 宽度半屏, 高度半屏 region =(self.win_Width_size //2, self.win_Height_size //2, self.win_Width_size //2, self.win_Height_size //2)else:# 处理无效的字符串值print(f'--117-- 无效的区域字符串 "{region}"，将使用全屏') region =Nonereturn region # ---------------------- OCR相关方法 ---------------------- #definit_ocr(self): self.ocr = PaddleOCR( use_doc_orientation_classify=False,# 控制是否启用文档方向分类 use_doc_unwarping=False,# 控制是否启用文本图像矫正 use_textline_orientation=False,# 控制是否启用文本行方向分类模块 text_det_limit_side_len=32,# 文本检测边长限制长度, 保证图像的「最短边」不小于 xx 。默认64 text_det_limit_type='min',# 文本检测的边长度限制类型，默认初始化为 min text_det_thresh=0.3,# 文本检测像素阈值，输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点（默认为0.3） text_det_unclip_ratio=3.0,# *文本检测扩张系数*，使用该方法对文字区域进行扩张，该值越大，扩张的面积越大。（默认为2.0）)defocr_cpu_gpu(self, img):""" ocr识别，支持cpu、gpu，由安装的PaddlePaddle飞浆版本决定 :param img: 图片 或者 截屏的数据 :return: """# 使用OpenCV读取图片，支持中文路径，先读取为numpy数组，再转换为BGR格式# 这种方式会导致没有文件名，会提示：由于没有输入文件名作为保存结果文件名的参考，所以保存的结果文件将使用 时间戳和随机数 来命名：`1759224064_2786`ifisinstance(img, numpy.ndarray):# 检查 img 是否是 numpy.ndarray 类型的对象，如果img是numpy数组（截屏结果），可直接使用，无需解码本地文件 img_cv = img # 截屏的numpy数组直接用else:# 兼容原逻辑：如果是文件路径，按原方式读取 img_cv = cv2.imdecode(numpy.fromfile(img, dtype=numpy.uint8), cv2.IMREAD_COLOR)# OCR识别 result = self.ocr.predict(img_cv) result = result[0].json # print('识别完成，识别结果为：\n', result)return result defocr_find_str(self, img, find_txt):""" 对图片（本地图片、截图数据）进行orc，查找文字，返回文字居中位置 """ temp_json = self.ocr_cpu_gpu(img)# 识别图片# print(f"find_str() 文本识别 的结果列表: {temp_json['res']['rec_texts']}") txt_index =0 find_txt_flag =Falsefor i in temp_json['res']['rec_texts']:if find_txt in i:# print('找到文字：', i) find_txt_flag =Truebreakelse: txt_index +=1if find_txt_flag:# print(f'找到文字：{txt}, 索引是：{txt_index}')# print(f"文本识别 的置信度列表: {temp_json['res']['rec_scores']}")# print(f"文本坐标（4个顶点 的坐标，左上、左下、右上、右下）: {temp_json['res']['rec_polys']}")# print(f"文本坐标（左上、右下 点 的坐标）: {temp_json['res']['rec_boxes']}") temp_rec_points = temp_json['res']['rec_boxes'][txt_index]# print(f"{find_txt} 文本坐标: {temp_rec_points}") # [[x1,y1, x2,y2], ...]# 直接计算中心点 temp_x =int((temp_rec_points[0]+ temp_rec_points[2])/2) temp_y =int((temp_rec_points[1]+ temp_rec_points[3])/2) temp_xy =(temp_x, temp_y)# print(f'计算后的 中心点坐标 {temp_xy}')return temp_xy else:# print(f'find_str() 未找到文字：{find_txt}')returnFalsedefscreenshot_and_ocr(self, region=None):""" 截屏（支持指定区域） 进行 ocr识别 :param region: 截屏区域，格式为 (x, y, width, height)，如 (100, 200, 800, 600) 若为None，则截取全屏 :return: 字典 res_dict，包含 文字、文本坐标 """ start_time = time.time()# 记录开始时间 region = self.mini_task_set_region(region)# 计算要截取的区域# 1. 截屏（返回PIL.Image对象） screenshot = pyautogui.screenshot(region=region)# 2. 转换为OpenCV格式（BGR） screenshot_cv = cv2.cvtColor(numpy.array(screenshot), cv2.COLOR_RGB2BGR)# 3. 识别图片 temp_json = self.ocr_cpu_gpu(screenshot_cv)# print(f"文本识别 的结果列表: {temp_json['res']['rec_texts']}")# print(f"文本坐标（左上、右下 点 的坐标）: {temp_json['res']['rec_boxes']}") end_time = time.time() elapsed_time = end_time - start_time print(f"--111-- 识别耗费时间: {elapsed_time:.2f} 秒") res_dict ={"文本列表": temp_json['res']['rec_texts'],"坐标列表":temp_json['res']['rec_boxes'],}return res_dict defscreenshot_and_find_str(self, txt=None, region=None):""" 截屏（支持指定区域）并查找 目标文字 :param region: 截屏区域，格式为 (x, y, width, height)，如 (100, 200, 800, 600) 若为None，则截取全屏 :param txt: 要查找的文字 :return: 文字中心点坐标(x, y)，未找到则返回False """if txt isNone:print(f'-- 118 -- 未指定要查找的文字')returnFalse# result 存储结果信息 result ={"坐标":(0,0),"原始识别坐标":(0,0),"匹配结果":False,'识别耗费时间':''} start_time = time.time()# 记录开始时间 offset_x, offset_y =0,0# 要偏移的x、y坐标# 计算要偏移多少x、y坐标（默认截取全屏时，偏移为0） region = self.mini_task_set_region(region)if region:# region 不为 None 时，更新 x、y偏移量# print(f'--117-- 计算后的 截屏区域 为 {region}') offset_x, offset_y = region[0], region[1]# 更新 区域偏移量，偏移多少x、y# 1. 截屏（返回PIL.Image对象） screenshot = pyautogui.screenshot(region=region)# 2. 转换为OpenCV格式（BGR） screenshot_cv = cv2.cvtColor(numpy.array(screenshot), cv2.COLOR_RGB2BGR)# 3. 调用find_str识别区域内坐标 region_xy = self.ocr_find_str(screenshot_cv, txt)if region_xy: result["原始识别坐标"]= region_xy # 计算屏幕坐标（区域内坐标 + 区域偏移量） screen_x = region_xy[0]+ offset_x screen_y = region_xy[1]+ offset_y result["坐标"]=(screen_x, screen_y) end_time = time.time() elapsed_time = end_time - start_time # 识别耗费时间# result = {"坐标": (0, 0), "匹配结果": False, '识别耗费时间': ''} result['识别耗费时间']=f'{elapsed_time:.2f}' result["匹配结果"]=True# print(f"--111 --screenshot_and_find()-- 文本识别耗费时间: {result['识别耗费时间']} 秒")# print(f"--112 --screenshot_and_find()-- 转换后的屏幕坐标: {result["坐标"]}")return result else:return result defclick_str(self, txt=None, region=None, find_count=20):""" 截屏，并点击文字位置 Args: find_count: 查找图片 超时次数 :return: 找到就返回 结果字典，没找到返回False """for i inrange(find_count):if self.all_task_et_flag:print(f"dj_image: self.all_task_et_flag=True， {txt}取消查找")break time.sleep(0.5) result = self.screenshot_and_find_str(txt=txt, region=region)if result["匹配结果"]:# 点击左键 pyautogui.click(result["坐标"][0], result["坐标"][1])print(f'--click_str-- 点击文字：{txt}, 识别区域：{region}, 点击坐标：{result["坐标"]}, 识别耗费时间: {result["识别耗费时间"]} 秒')return result print(f'--click_str-- 查找{find_count}次, 未找到文字：{txt}, 识别区域：{region}')returnFalsedeffind_str(self, txt=None, region=None, find_count=20):""" 截屏，并查找文字文字位置 Args: find_count: 查找图片 超时次数 :return: 找到就返回 结果字典，没找到返回False """for i inrange(find_count):if self.all_task_et_flag:print(f"dj_image: self.et_flag=True， {txt}取消查找")break time.sleep(0.5) result = self.screenshot_and_find_str(txt=txt, region=region)if result["匹配结果"]:print(f'--click_str-- 找到文字：{txt}, 识别区域：{region}, 点击坐标：{result["坐标"]}, 识别耗费时间: {result["识别耗费时间"]} 秒')return result print(f'--click_str-- 查找{find_count}次, 未找到文字：{txt}, 识别区域：{region}')returnFalseif __name__ =='__main__':# 测试机，CPU i5 8250U， 显卡 MX150，百度飞桨3.x版本 a = BaiduOCR() temp_str1 = a.ocr_find_str('QQ20250926001505 - 副本.png','150')print(f'在本地图片中 查找文字，结果：{temp_str1}') temp_str2 = a.screenshot_and_ocr((0,0,200,100))print(f'对屏幕指定区域进行文本识别，结果：{temp_str2}') temp_str3 = a.find_str('Python 3.9',region='右下')print(f'对屏幕 右下区域 查找文字“Python 3.9”，结果：{temp_str3}') a.click_str('Python 3.9',region='右下')

# 示例执行输出： C:\Users\h1369\AppData\Local\Programs\Python\Python39\python.exe "C:\Users\h1369\OneDrive\Python\PY_Project\2025-10-本地文字OCR\ocr主类.py" Creating model: ('PP-OCRv5_mobile_det', None) Using official model (PP-OCRv5_mobile_det), the model files will be automatically downloaded and saved in C:\Users\h1369\.paddlex\official_models. ��Ϣ: ���ṩ��ģʽ�޷��ҵ��ļ��� C:\Users\h1369\AppData\Local\Programs\Python\Python39\lib\site-packages\paddle\utils\cpp_extension\extension_utils.py:711: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md warnings.warn(warning_message) Creating model: ('PP-OCRv5_mobile_rec', None) Using official model (PP-OCRv5_mobile_rec), the model files will be automatically downloaded and saved in C:\Users\h1369\.paddlex\official_models. BaiduOCR 初始化成功 在本地图片中 查找文字，结果：(91, 87) --111-- 识别耗费时间: 0.14 秒 对屏幕指定区域进行文本识别，结果：{'文本列表':['M', '□0', '2025-10-本地文', '项目', '√'], '坐标列表':[[4, 4, 34, 35], [92, 10, 116, 29], [111, 6, 200, 31], [47, 49, 82, 73], [82, 56, 93, 66]]} --click_str-- 找到文字：Python 3.9, 识别区域：右下, 点击坐标：(1839, 1016), 识别耗费时间: 0.72 秒 对屏幕 右下区域 查找文字“Python 3.9”，结果：{'坐标':(1839, 1016), '原始识别坐标':(879, 476), '匹配结果': True, '识别耗费时间':'0.72'} --click_str-- 点击文字：Python 3.9, 识别区域：右下, 点击坐标：(1839, 1016), 识别耗费时间: 0.76 秒 进程已结束，退出代码为 0