RapidOCR

环境要求

• Python >= 3.8
• 操作系统：Linux / Windows / Mac
• 需要额外的推理引擎依赖（如 onnxruntime）
• 使用 Docker 方式时需安装 Docker 与 make

安装与启动步骤

1. 1安装依赖包

   用 pip 同时安装 rapidocr 主包和 ONNX Runtime 推理引擎，两者缺一不可。

   pip install rapidocr onnxruntime

   复制

2. 2编写识别脚本

   新建 Python 文件，导入 RapidOCR 引擎并直接传入图片 URL 或路径进行识别。

   from rapidocr import RapidOCR
   
   engine = RapidOCR()
   
   img_url = "https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/resources/test_files/ch_en_num.jpg"
   result = engine(img_url)
   print(result)
   
   result.vis("vis_result.jpg")

   复制

3. 3运行脚本

   执行脚本查看识别结果，同目录会生成可视化结果图片 vis_result.jpg。

   python main.py

   复制

4. 4Docker 方式（可选）

   克隆仓库后进入根目录，用 make 构建并测试 ONNX Runtime CPU 开发环境镜像。

   git clone https://github.com/RapidAI/RapidOCR.git
   cd RapidOCR
   make build-onnxruntime-cpu
   make test-onnxruntime-cpu

   复制

如何确认成功

脚本正常打印出识别出的文字与坐标结果，且当前目录生成 vis_result.jpg 可视化图片。

常见问题

注意事项

• 默认使用 ONNX Runtime 引擎，CPU 环境即可运行。
• 除 onnxruntime 外还支持 onnxruntime-gpu、tensorrt、paddle、openvino、pytorch、mnn 等引擎。
• Docker 方式的完整安装、GPU 配置与故障排查见仓库 docker/README.md。
• 可直接在 Hugging Face、魔搭或 Colab 在线 Demo 中先体验效果再本地部署。