core

把零散 OCR 工具串成标准化流水线，古籍数字化更省心

OCR-D 的 core 是面向历史文献与古籍数字化场景的 Python 工具集与封装库，属于 OCR-D 生态的核心组件。它解决的问题是：传统 OCR 工具（如 Tesseract、OCRopus）各自为政，缺少统一的数据格式、处理流程与接口标准，导致大规模文献数字化项目难以组合、替换和复用不同厂商的 OCR 模块。core 提供了标准化的处理器接口、页面/区域/行级的数据模型、工作流编排与命令行工具，让开发者可以把图像预处理、版面分析、文本识别、后处理等步骤串成可复现的流水线。核心能力包括：统一的 OCR-D 数据规范、处理器发现与调用机制、Python API 与 CLI、以及与其他 OCR-D 模块的互操作支持。项目体量较小、偏底层基础设施，适合作为文献 OCR 流水线的骨架使用。