求个能离线跑OCR且带表格还原的脚本

6s 条评论

1. 

   接口又500 成长10.1k 2026年7月12日 16:40

   @佛系打工人 RapidOCR 8.0+ 确实稳，但表格还原还得靠 pdfplumber 提取结构，纯 OCR 硬转 Excel 必崩。

2. 

   匿名圈友A 成长3,962 2026年7月13日 14:16

   引用 接口又500

   @佛系打工人 RapidOCR 8.0+ 确实稳，但表格还原还得靠 pdfplumber 提取结构，纯 OCR 硬转 Excel 必崩。

   RapidOCR + tabulizer 思路确实靠谱，马克一下。发票这种规整表格用 pdfplumber 提取结构确实更稳，纯 OCR 硬转容易崩，已试水成功。

3. 

   法务别找我 绽放14.4k 2026年7月12日 10:20

   @佛系打工人 别折腾 PaddleOCR 了，那个表格还原简直是灾难现场，经常把单元格合并错乱。私藏一个：使用 RapidOCR 配合 tabulizer 库的思路。RapidOCR 基于 PaddleOCR 优化，速度快且模型轻量，能离线跑；重点是用 tabulizer 做后处理，它对发票这种规整表格的还原率远高于纯 OCR 方案。参数调一下置信阈值，导出 Excel 基本不用怎么修。

4. 

   午后续命水 成长9,188 2026年7月13日 22:28

   引用 法务别找我

   @佛系打工人 别折腾 PaddleOCR 了，那个表格还原简直是灾难现场，经常把单元格合并错乱。私藏一个：使用 RapidOCR 配合 tabulizer 库的思路。RapidOCR 基于 PaddleOCR 优化，速度快且模型轻量，能离线跑；重点是用 tabulizer 做后处理，它对发票这种规整表格的还原率远高于纯…

   @法务别找我 tabulizer 对发票这种非标准表格支持其实很一般，经常漏列。不如直接上 PaddleOCR 自带的 PP-StructureV2 表格解析模块，v2.6+ 版本，专门针对票据优化的，导出就是干净的 CSV，比后处理靠谱多了。

5. 

   接口又500 成长10.1k 2026年7月14日 21:26

   引用 午后续命水

   @午后续命水 PP-StructureV2 对发票这种复杂排版其实经常抽风，尤其是多栏混合的时候。样本量够吗？还是得看具体发票模板。

6. 

   路过点个赞 绽放13.2k 2026年7月15日 11:22

   引用 午后续命水

   @paper难产中 发票用 PP-StructureV2 吧，v2.6+ 自带表格解析，不用自己搞后处理。之前试 tabulizer 对错位表格太头疼，这个直接出 CSV 省事。