Chinese Handwriting Ocr — 中文手写OCR

中文OCR双引擎技能 v2.0 双引擎：PaddleOCR 通用文档OCR + RapidOCR 手写体特化，按场景自动/手动切换 引擎分工 场景 推荐引擎 理由 印刷体文档、合同、报表 --engine paddle PaddleOCR中文印刷体识别率最高 手写体、日期、签名、工号 --engine rapid RapidOCR手写数字/文字准确率更高 混合文档（印刷+手写） --engine auto 自动检测内容类型切换 不确定用哪个 --engine both 双引擎交叉验证，取置信度高者

快速开始 # 手写体日期提取（默认RapidOCR） python scripts/ocr_date_extractor.py 文档.pdf # 指定引擎 python scripts/ocr_date_extractor.py 文档.pdf --engine rapid python scripts/ocr_date_extractor.py 文档.pdf --engine paddle python scripts/ocr_date_extractor.py 文档.pdf --engine both # 提取特定区域手写文本 python scripts/ocr_rapid.py 文档.pdf --date-mode python scripts/ocr_rapid.py 文档.pdf --signature-mode

核心脚本 ocr_date_extractor.py — 日期提取引擎 python scripts/ocr_date_extractor.py 文档.pdf [--engine rapid|paddle|both|auto] 四层流水线： 动态日期行定位 选定引擎OCR 智能值域校验 文档上下文推断

ocr_rapid.py — 手写体区域提取 python scripts/ocr_rapid.py 文档.pdf --date-mode --engine paddle python scripts/ocr_rapid.py 文档.pdf --region 0.1 0.4 0.9 0.6 --engine both

ocr_batch.py — 批量处理 # 批量处理目录下所有PDF python scripts/ocr_batch.py --batch-dir ./pdfs --engine auto # 双引擎交叉验证 python scripts/ocr_batch.py --batch-dir ./pdfs --engine both --json -o results.json

引擎对比 指标 PaddleOCR 2.8 RapidOCR 1.4 印刷体中文 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 手写体数字 ⭐⭐ ⭐⭐⭐⭐ 手写日期完全正确率 20% 60% 手写日期部分识别率 60% 90%+ 首次加载 慢（下载模型） 快（缓存） 速度 3-5s/页 2-3s/页 安装包 ~200MB+模型 ~55MB

自动引擎选择逻辑 (--engine auto)

• 全页低分OCR快速分析内容类型
• 检测到"年/月/日"等日期关键字 → RapidOCR
• 检测到大量印刷体文字 → PaddleOCR
• 混合内容 → both（双引擎交叉验证）

参数参考 参数 说明 --engine rapid|paddle|both|auto OCR引擎选择 --json JSON格式输出 -p, --pages 指定页码(1-based) --region X1 Y1 X2 Y2 自定义区域(百分比0-1) --batch 批量处理目录 --dpi OCR分辨率(默认400)

依赖 pip install rapidocr-onnxruntime # 手写体引擎（已安装 ✅） pip install paddleocr paddlepaddle # 文档OCR引擎（已安装 ✅）

已知问题 PaddleOCR 3.x + PaddlePaddle 3.x 存在 OneDNN 兼容问题，当前使用 2.x 版本 首次启动 PaddleOCR 需下载模型（~18MB） RapidOCR 多次调用可能产生进程残留，需定期清理