llm_aided_ocr

环境要求

• Python 3.12（README 要求用 pyenv 安装该版本）
• pyenv（用于安装和管理 Python 3.12）
• Tesseract OCR 引擎（项目 OCR 能力依赖它）
• OpenAI 或 Anthropic 的 API Key（使用 API 模式时），或本地可运行的 LLM
• 可选 GPU（README 提到本地 LLM 推理可用 GPU 加速）

安装与启动步骤

1. 1安装 pyenv 与 Python

   按 README 提供的脚本安装 pyenv 所需的编译依赖、克隆 pyenv 并写入 zsh 配置，然后安装 Python 3.12。

   if ! command -v pyenv &> /dev/null; then
       sudo apt-get update
       sudo apt-get install -y build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev libffi-dev liblzma-dev python3-openssl git
       git clone https://github.com/pyenv/pyenv.git ~/.pyenv
       echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.zshrc
       echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.zshrc
       echo 'eval "$(pyenv init --path)"' >> ~/.zshrc
       source ~/.zshrc
   fi
   cd ~/.pyenv && git pull && cd -
   pyenv install 3.12

   复制

2. 2准备项目环境

   README 第2步“Set up the project”的代码在节选中缺失，请对照仓库 README 完成依赖安装，并切换到 Python 3.12 环境。

3. 3配置 .env

   在项目中使用 .env 文件配置 LLM 选择、API 提供商、模型、Token 上限与 Markdown 输出等选项。

4. 4放入 PDF 并改路径

   把待处理 PDF 放在项目目录，并修改 main() 函数中的 input_pdf_file_path 变量为你的文件名。

5. 5运行主脚本

   执行主脚本开始 PDF 转图片、Tesseract OCR、LLM 纠错与 Markdown 格式化流程。

   python llm_aided_ocr.py

   复制

关键配置

如何确认成功

脚本跑完后项目目录会生成多个输出文件，包含最终 LLM 纠正后的 Markdown 文本，终端日志无报错。

常见问题

注意事项

• README 第2步“Set up the project”的具体命令在节选中缺失，安装依赖前请以仓库当前 README 为准。
• .env 中含 API Key，请不要把该文件提交到公开仓库。
• 处理大量或超长 PDF 时，API 模式可能产生较高调用费用，建议先用少量页面测试。