本地 OCR 工具横评:截图 PDF 票据一键转文字

AI 好工具 ｜ 把图片里的文字抠出来，不花钱不联网也能跑

想复制一段文字，结果它是张图片——截图里的报错、PDF 里的合同、火车票上的信息，鼠标一拖全是选不中的"死图"。这种时候你需要 OCR（光学字符识别）：把图里的字变成能复制、能搜索、能编辑的文本。

这篇横评三个本地能跑的开源工具：一个中文最准、一个最轻量、一个上手最简单。不用联网、不用开会员，下载就能用。

一、PaddleOCR：中文场景首选

百度飞桨的 PaddleOCR，中文识别是公认的第一梯队，而且不止认字——还能把"哪里是标题、哪里是段落、哪里是表格"一起框出来（这叫版面分析）。一行命令就能跑：

from paddleocr import PaddleOCRocr = PaddleOCR(use_angle_cls=True, lang="ch")result = ocr.ocr("ticket.jpg", cls=True)for line in result[0]:    print(line[1][0])   # 识别出的文字

中英文混排、竖排、带旋转的照片都吃得下。代价是依赖略重（要装 paddlepaddle），首次也会拉模型。如果你主要处理中文文档、票据、截图，闭眼选它。

二、Tesseract：老牌开源，轻到能跑进树莓派

Tesseract 是 OCR 界的"活化石"，谷歌在维护，完全免费、体积小。它没那么多花活，就是老老实实认字，但英文和印刷体非常稳。命令行直接转：

tesseract scan.png out -l chi_sim+eng

-l chi_sim+eng 是中文简体 + 英文。装个 tesseract-ocr 加中文语言包就行，几 MB 的事，树莓派都能跑。缺点是对复杂版面（多栏、表格、水印）不太行，适合"干净的单栏扫描件"。

三、EasyOCR：最省心，多语种开箱即用

EasyOCR 把 PyTorch 模型封装得极简，不用关心后端，一行就能识别 80+ 种语言：

import easyocrreader = easyocr.Reader(["ch_sim", "en"])print(reader.readtext("invoice.png", detail=0))

它对新手最友好：装好库，给张图，文字就出来了，不用挑模型、不用配字典。代价是首次下载模型稍大、纯 CPU 比 PaddleOCR 慢一点。想"零配置先跑通"选它。

四、一张表选人

一句话选法：中文为主又要版面 → PaddleOCR；只要干净扫描件还想要小 → Tesseract；完全不想折腾、多语种都要 → EasyOCR。

五、踩过的坑

1. 中文乱码 / 识别成拼音。多半是没装中文语言包，或 lang 参数写错（是 chi_sim 不是 ch）。先确认语言包在位。

2. 表格识别成一团。OCR 默认是"串"识别，不保证还原表格结构。要表格就上 PaddleOCR 的 PP-Structure，或识别后导入 Excel 手动对齐。

3. 截图太糊。手机截图放大后字发虚，识别率腰斩。先二值化、提高对比度再识别，比换模型管用。

4. GPU 没用上。PaddleOCR / EasyOCR 默认可能走 CPU。确认 CUDA 可用后显式开启，大批量能快好几倍。

这篇之后，"图里的字"不再是死信息。下一篇回到 YOLO 实战：自己做一个目标检测数据集，从采集到标注。