基础OCR

获取图片中的文字

当前模块定义​

识别图片中的文字或表格。

目前支持的接口类型：

Quicker OCR引擎​

使用Quicker提供的免费在线OCR识别服务或离线OCR引擎识别文字。本服务23年4月升级后，识别准确度和速度大幅提升。据网友评测，识别效果甚至可媲美某服务商高精度接口；

示例动作：Quicker OCR

• 在线服务：

• 因服务器资源有限，同时被所有用户共享，因此请在合理范围内使用本服务。

• 免费版最短用户每10秒一次，每日最多100次；专业版用户最短每2秒一次，每日最多1000次；（此限制可能会依据服务器负载情况进行调整）

• 专业版用户可享用我们所提供的专用独享GPU服务器，识别效率更佳；

• 无首次启动延迟，适合偶尔使用；

• 离线引擎：

• 为专业版用户打造，免费版用户也可使用，但是限制半速运行；

• 免费；高速度（省去网络传输时间）；无数量限制；

• 内网离线部署；

• 支持屏幕找字功能；

• 支持更大图片（如整个4k屏幕）的识别；

• 首次使用（或空闲时间超过设定的保活时间后第一次使用），需要一定的额外时间加载模型；

• 注：不支持多线程，请勿多线程方式或同时在多个动作中调用；

参数说明

【图片变量】需要识别的图片。 这里也可以传入图片文件的路径/图片base64编码文本。 越小的图片，识别速度越快。

【转换标点符号】是否转换识别结果中的标点符号为半角、全角，或保持原始识别结果不变。

【合并段落】选择是否将多行合并成一个段落（根据行的末尾是不是有句子结束的标点符号判断）。

【语言】识别语言，支持中英、英文、韩文、日文、繁体中文、拉丁语、阿拉伯语。应该针对要识别的图片中的内容选择合适的语言。

【离线模式】可选值：

• 自动：如果安装了离线引擎，则使用离线识别，否则使用在线识别服务。
• 仅使用在线服务：即使安装了离线识别引擎，也仍然使用在线服务。
• 仅使用离线引擎：强制仅使用离线引擎，如果未安装离线引擎则返回失败。

设计“离线模式”参数的目的，是给使用者根据动作的使用场景来自由控制所选择的引擎。 对于自动化/循环/频繁使用的这类识别请求，请使用离线引擎；对于偶尔/随机性/少量使用的文字识别需求，可使用在线服务来避免首次启动延迟。

可以通过调试运行观察实际使用的引擎类型。

输出

【是否成功】是否成功识别。

【合并后的结果】识别结果根据“转换标点符号”“合并段落”选项处理后的结果。

【行列表】表示原始识别结果的文本列表（也可以输出给文本变量）。

【原始结果】原始识别结果的json格式文本。

离线识别引擎包​

安装条件：

• 64位Windows系统。
• CPU支持AVX指令集。

什么情况下需要离线识别包：

• 识别需求比较多；（如果识别需求不多，可以直接使用在线服务，首次识别速度更快。专业版用户独享GPU服务器，性能更好。）
• 需要屏幕找字功能；

下载网址：

• 百度网盘：https://pan.baidu.com/s/19PF_mVVfnEIXqjJju4I4fA?pwd=rrv4
• 123网盘：https://www.123pan.com/s/9eOcVv-HsSD3.html
• Github：https://github.com/cuiliang/Quicker/releases/tag/OfflineOCR1.2.1
• QQ群文件；

离线包默认支持文字方向的识别。对于较小的图片，可能识别错误。如果您希望完全禁止自动的方向检测，请使用下面的文件解压缩后覆盖到离线包目录中。

• 禁用旋转检测的主程序：https://files.getquicker.cn/files/quickerocragent_norotation.zip （需先安装完整离线包后，使用此文件解压缩后覆盖完整包中的对应文件）

1.2.1 更新内容：

• 更换底层组件到PaddleSharp，解决长时间运行时不稳定问题；
• 支持多种语言识别；
• 不再支持表格识别；
• 支持屏幕找字功能；
• 支持设定保活时间；

安装方法：

• 下载安装包zip文件。
• 解压缩到任意目录。
• 双击目录中的安装到目标位置.bat，或手动将解压缩后的目录中的所有内容复制到Windows我的文档\Quicker\_ocr目录中。
• 最终的效果为：

如果在使用时出现“PaddleConfig的类型初始值设定项引发异常”报错（如下图所示），请下载和安装VisualC++再发布包(Visual C++ Redistributable)。

测试动作：

QuickerOCR离线 - by CL - 动作信息 - Quicker

使用：

安装离线包后，接选择 Quicker OCR引擎（原名“Quicker 免费OCR服务”），离线模式中选择自动或仅使用离线引擎即可自动使用离线OCR引擎。

设置保活时间：

保活时间是指离线引擎在处理OCR请求后等待一定的时间，没有新的请求再退出。 这样可以避免每次识别重新加载模型，从而可以大幅提升后续识别的效率。

Windows 10/11 内置OCR​

使用Windows自带OCR引擎识别文字。识别时将使用Windows当前语言设置进行识别。

Windows自带OCR引擎识别速度快但是效果比较一般。

参数请参考上文中“Quicker OCR引擎”中的说明。

百度OCR识别​

使用百度的OCR服务识别文字。支持下面3个接口：

• 百度通用文字识别 (自定义帐号)
• 百度通用文字识别 (Quicker帐号)
• 百度自定义接口识别 (自定义帐号)

百度通用文字识别（自定义账号）​

使用自有账号调用百度通用文字识别接口。

参数

【ApiKey】自有百度帐号的ApiKey。

【SecretKey】自由百度帐号的SecretKey。

【图片变量】要识别文字的图片。

【转换标点符号】选择是否对识别结果中的标点符号进行转换。

【合并段落】选择是否将多行合并成一个段落（根据行的末尾是不是有句子结束的标点符号判断）。

输出

【是否成功】是否识别成功。

【行列表】识别出来的文本行，类型为文本列表。

【合并后结果】将行合并成一段文本。根据“合并段落”参数，如果合并段落，则将可能是一段的内容合并在一行内。否则的话直接将各行合并成一段多行文本。

【原始结果】服务商API返回的原始结果内容。

【原始结果JObject对象】返回的JObject对象，可用于提取内容。

百度通用文字识别（Quicker账号）​

Quicker公共帐号主要目的是消除大家自己申请百度帐号的麻烦。因为所有用户共享百度公司提供的每日5万次免费调用额度，所以此公共帐号会有一定的限制：

• 如果百度公司降低或不再提供免费额度，此服务将会不能使用（据说会长期提供）；

• 仅供日常轻度使用场景，大的需求量请使用自己的百度帐号。

• 为避免某个人占用了过多额度造成大家都使用不了，因此对每个人每日使用次数有如下限制：

• 免费版用户：每日最多20次。

• 专业版用户：每日最多100次。

• 在设置中可选择在免费额度用完以后耗费Q豆继续使用基础OCR服务（请参见下一个章节的截图）。每次OCR的费用为0.005Q豆（1元可用200次）。什么是Q豆？

使用全局自有OCR账号​

设置一个全局的百度OCR账号，以便于在所有使用百度接口识别文字的地方自动使用此全局账号。

选项说明：

【总是使用上面设置的自有ApiKey】设置自有百度账号后，在Quicker中使用“基础OCR”模块时，自动使用自有账号，即使已经在动作中配置了账号或选择使用Quicker的账号。

百度自定义接口识别​

使用指定的百度接口识别文字，并返回原始响应内容。

百度文字识别接口文档地址：https://cloud.baidu.com/doc/OCR/s/1k3h7y3db

请参考：百度账号申请教程，作者@Marcus

参数

【接口名称或网址】接口文档中“请求URL”网址或末尾的接口名部分。

如高精度识别接口：可以用“https://aip.baidubce.com/rest/2.0/ocr/v1/accurate\_basic”或“accurate\_basic”。参数下拉框中预制了几种常用的识别接口关键词可以选择。

注意：个别接口使用了不同的网址类型，这时候需要提供完整网址，并测试是否能正常工作。

【附加参数】

词典格式的接口附加参数，具体支持的参数请参考百度API文档。可以用 key:value 的形式每行指定一个。

输出

【原始结果JObject对象】根据原始响应json内容转换生成的JObject对象。

表格识别（Quicker服务）​

提取图片中的表格内容，并生成HTML格式的结果。

本功能使用Quicker提供的在线服务，免费版限制10分钟一次，专业版限制10秒钟一次。

参考动作：表格识别

参数：请参考前面其它接口的说明。

输出：

【合并后结果】表格识别结果，为HTML格式的文本。

更新历史​

• 20230505 整理文档。
• 20241206 增加离线OCR测试动作链接。