乐于分享
好东西不私藏

paddle-OCR处理pdf

paddle-OCR处理pdf
接上篇本地paddleOCR推理加速
上篇写的是处理单个pic,和pdf单页
本篇处理pdf多页
1、启动vllm server
paddleocr genai_server --model_name PaddleOCR-VL-1.5-0.9B --model_dir /home/models/PaddleOCR-VL-1.5/  --backend vllm  --port 8118 --backend_config <(echo -e 'gpu-memory-utilization: 0.2\nmax-model-len: 8192') &
2、写paddleocr.yaml
运行命令会自动生成一个yaml文件
修改SubModules-VLRecognition部分
  VLRecognition:    genai_config:      backend: vllm-server      server_url: http://127.0.0.1:8118/v1    #module_name: vl_recognition    model_name: PaddleOCR-VL-1.5-0.9B    #model_dir: /home/models/PaddleOCR-VL-1.5/    batch_size: -1
注意port和model_name要和server一致
3、写ocrpdf.py脚本
注意input_file、pipeline和output_path
from pathlib import Pathfrom paddlex import create_pipelinepipeline = create_pipeline(pipeline="./PaddleOCR-VL.yaml")input_file = "./1-350-6-9.pdf"output_path = Path("./output")output = pipeline.predict(    input=input_file,    use_doc_orientation_classify=False,    use_doc_unwarping=False)markdown_list = []markdown_images = []for res in output:    md_info = res.markdown    markdown_list.append(md_info)    markdown_images.append(md_info.get("markdown_images", {}))markdown_texts = pipeline.concatenate_markdown_pages(markdown_list)mkd_file_path = output_path / f"{Path(input_file).stem}.md"mkd_file_path.parent.mkdir(parents=True, exist_ok=True)with open(mkd_file_path, "w", encoding="utf-8"as f:    f.write(markdown_texts)for item in markdown_images:    if item:        for path, image in item.items():            file_path = output_path / path            file_path.parent.mkdir(parents=True, exist_ok=True)            image.save(file_path)
4、运行python即可
python ocrpdf.py
速度很快1到2秒一页
5、案例
源pdf:
结果md文件:


##卷 第一

#上古天真论篇第一

新校正云:按全元起注本在第九卷,王氏重次篇第,移冠篇首。今注逐篇必具全元起本之卷第者,欲存《素问》旧第目,见今之篇次皆王氏之所移也。

本篇因以上古之人的养生,特别注意保养先天真气为立论的基础,故篇名上古天真论。

(提要) 本篇主要内容有:

一、论述养生对于预防疾病和益寿延年的重要意义,并指出了养生的具体方法和要求。

二、论述人体生长衰老及生育能力的发生与消失等生理过程,强调了人体肾气的重要作用。

三、列举“真人”、“至人”、“圣人”、“贤人”在养生方面的成就,同时指出养生的实践意义。

(原文)昔在黄帝 $^{(1)}$,生而神灵 $^{(2)}$,弱 $^{(3)} $而能言,幼而徇齐 $ ^{(4)} $,长而敦敏 $ ^{(5)} $,成而登天 $ ^{(6)} $。乃问于天师 $ ^{(7)} $曰:余闻上古之人,春秋皆度百岁,而动作不衰;今时之人,年半百而动作皆衰者,时世异耶,将人失之耶 $ ^{(2)} $?岐伯 $ ^{(8)} $对曰:上古之人,其知道者 $ ^{(9)} $,法于阴阳,和于术数 $ ^{(10)} $,食饮有节,起居有常,不妄作劳 $ ^{(3)(11)} $,

故能形与神俱 $^{[12]}$,而尽终其天年 $^{[13]}$,度百岁乃去;今时之人不然也,以酒为浆 $^{[14]}$,以妄 $^{} $为常,醉以入房,以欲竭其精,以好 $ ^{⑤} $散其真 $ ^{[15]$,不知持满 $ ^{[16]$,不时 $ ^{⑥} $御神 $ ^{[17]} $,务快其心,逆于生乐,起居无节,故半百而衰也。

##(校勘)

①昔在黄帝……成而登天:《素问绍识》:“以上六句,疑王氏所补,非古经之文。何以言之?此篇全氏训解在第九卷,倘使其本有此六句,则是帝始末退在末卷,万无此理。盖王氏移天真论置之于八十篇之上,并添改其起语也。其文取之于《史记》、《大戴礼》及《孔子家语》,改‘聪明’作‘登天’,冠以‘昔在’二字,盖模仿尧典序,而承以‘乃问于天师曰’一句。组织之痕,自不可掩矣。顾全氏之旧犹是,不过‘黄帝问曰’四字而已。林亿等专奉王氏,如此七句,既信为古经之真,故置而不校也。小岛春沂曰:《千金方》作‘黄帝问于岐伯曰’七字,《遐年要抄》引《太素经》亦同,此足以为确征矣。”按:丹波元坚以上所论,甚为有理,王冰次注《素问》时,曾重新编排原文,并有增补。于此可见一斑。

②将人失之耶:原作“人将失之耶”,据《千金》卷二十七第一改,与后文“将天数然也”句式相同。“将”,选择连词,有“抑或”之意,详文义,置于主语之前为胜,故据改。

③食饮有节,起居有常,不妄作劳;新校正云:“按全元起注本云:饮食有常节,起居有常度,不妄不作。《太素》同。”《内经辨言》云:“本作食饮有节,起居有度,度与数为韵,

今作有常;则失其韵矣。“

④妄:《甲乙》卷十一第七作“安”。

⑤好:原作“耗”,新校正云:按《甲乙经》耗作好。”是林亿等所见之《甲乙》作“好”,与今本《甲乙》作“耗”者不同。“好”,与上文“欲”字相对,义胜,故据改。

⑥时:新校正云:“按别本时作解”

##(注释)

(1) 黄帝:历史传说中的古代帝王。相传为有熊国君少典之子,姓公孙,因生于轩辕之丘,故又称轩辕黄帝。

(2) 神灵:神思灵敏,聪明之至。《类经》一卷第一注:“聪明之至也。”

(3) 弱:指幼小的时候。

(4) 徇齐:疾速。此指思维敏达,领会事物快捷。徇,同徇,疾也;齐,作速解。《史记》五帝纪:“幼而徇齐。”集解引裴弨曰:“徇,疾;齐,速也。”

(5) 敦敏:敦厚、勤勉。敏,在此作勉解,即勤奋努力。《礼》中庸:“人道敏政。”朱熹曰:“犹勉也。”

(6) 登天:登天子之位。又,王冰注:“有熊国君少典之子……。后铸鼎于鼎湖山,鼎成而白日升天,群臣葬衣冠于桥山,墓今犹在。”此传说中事。

(7) 天师:对臣子岐伯的尊称。

(8)岐伯:历史传说中黄帝之臣,曾与黄帝论医药之事。

(9) 知道者:懂得养生之道的人。

(10) 法于阴阳,和于术数:取法于天地自然的规律,调和各种养生的方法。法,取法,效法。阴阳,此指天地自然变化的规律。和,调和。术数,此指养生的正确方法。王

冰注:“夫阴阳者,天地之常道,术数者,保生之大论,故修养者必谨先之。……四气调神大论曰:阴阳四时者,万物之终始,死生之本,逆之则灾害生,从之则苛疾不起,是谓得道,此之谓也。”又,周长有《内经翼注》云:“术数者,筹气候之法,即调于四时也,如虚邪贼风避之有时之类,皆术数也。”可参。

(11) 劳:此指过度的劳累和房事。

(12) 形与神俱:形体与精神和谐,整个生命力得以旺盛。俱,偕同之意。

(13) 天年:人的自然寿命。

〔14〕浆:在此指米汤。《太素》卷十六虚实脉诊杨注谓浆为谷液,即米汤之意。

(15) 真:指先天的真气,即受之于先天的生命原动力。

(16) 持满:保持精气的充满。

(17)不时御神:不善于驾驭和使用精神,即妄耗神气。时,善也。《素问校义》云:“不时御神,谓不善御神也。小雅颍弁篇:‘尔淆既时’。毛传曰:时,善也。《广雅》同。”

(语译)从前的黄帝,生来十分聪明,很小的时候就善于言谈,幼年时对周围事物领会得很快,长大之后,既敦厚又勤勉,及至成年之时,登上了天子之位。他向岐伯问道:我听说上古时候的人,年龄都能超过百岁,动作不显衰老;现在的人,年龄刚至半百,而动作就都衰弱无力了,这是由于时代不同所造成的呢,还是因为今天的人们失于养生所造成的呢?岐伯回答说:上古时代的人,那些懂得养生之道的,能够取法于天地阴阳自然变化之理而加以适应,调和养生的方法,使之达到正确的标准。饮食有所节制,作息有一定规律,既不妄事操劳,又避免过度的房事,所以能够形神俱旺,