PaddleOCR Text Recognition — PaddleOCR 文本识别

PaddleOCR 文本识别技能 何时使用此技能 触发关键词（路由）：在上面的 YAML 描述中列出了中英文双语触发词——使用该字段进行发现和路由。 使用此技能进行： 从图像（截图、照片、扫描件）中提取文本 从 PDF 或文档图像中提取文本，当目标是行/框级文本，而不是恢复表格网格、公式或完整的阅读顺序布局 从指向图像/PDF 的 URL 或本地文件中提取文本 不应使用： 可以直接作为文本读取的纯文本文件、代码文件或 Markdown 文档 具有表格、公式、图表或复杂布局的文档——应使用文档解析代替 不涉及图像到文本转换的任务 安装 脚本内联声明其依赖项（PEP 723）。无需单独安装步骤——uv 自动解析依赖项： uv run scripts/ocr_caller.py --help 如何使用此技能 工作目录：以下所有 uv run scripts/... 命令应从此技能的根目录运行（包含此 SKILL.md 文件的目录）。 基本工作流 确定输入源： 用户提供 URL：使用 --file-url 参数 用户提供本地文件路径：使用 --file-path 参数 执行 OCR： uv run scripts/ocr_caller.py --file-url "用户提供的 URL" --pretty 或对于本地文件： uv run scripts/ocr_caller.py --file-path "文件路径" --pretty 性能注意事项：解析时间随文档复杂度而变化。单页图像通常在 1-3 秒内完成；大型 PDF（50+ 页）可能需要几分钟。允许足够的时间，然后再假设超时。 默认行为：保存原始 JSON 到临时文件： 如果省略 --output，则脚本在系统临时目录下自动保存 默认路径模式：<系统临时>/paddleocr/text-recognition/results/result_<时间戳>_.json 如果提供 --output，则覆盖默认临时文件目标 如果提供 --stdout，则将 JSON 打印到 stdout 并且不保存文件 在保存模式下，脚本在 stderr 上打印绝对保存路径： 结果保存到：/absolute/path/... 在默认/自定义保存模式下，读取并解析保存的 JSON 文件，然后响应 解析 JSON 响应： 在默认/自定义保存模式下，从脚本显示的保存文件路径加载 JSON 检查 ok 字段：true 表示成功，false 表示错误 提取文本：text 字段包含所有识别的文本 如果使用 --stdout，则直接解析 stdout JSON 处理错误： 如果 ok 为 false，则显示 error.message 向用户呈现结果： 以可读格式显示提取的文本 如果文本为空，则图像可能不包含文本 在保存模式下，始终告诉用户保存的文件路径以及完整的原始 JSON 可在那里使用 提取后常见的下一步 一旦您拥有识别的文本，常见的下一步是： 保存到文件：将 text 字段写入 .txt 或 .md 文件 搜索内容：在保存的输出文件中搜索关键词 馈送到另一个管道：text 字段是干净的纯文本，准备好进行下游处理 效果不佳：在重试之前，请参阅下面的“更好结果的提示” 完整输出显示 始终向用户显示 COMPLETE 识别的文本。用户通常需要完整的内容以进行下游使用——默默地丢失数据可能会导致用户没有注意到丢失。 显示 text 字段的全部内容，无论长度如何 不要使用诸如“这是摘要”或“文本以...开头”之类的短语 除非文本真正超过合理的显示限制（>10,000 个字符），否则不要使用“...”截断 示例 - 正确： 用户：“从此图像中提取文本” 代理：“我已从图像中提取了文本。以下是完整的内容：[显示整个文本在此]” 示例 - 不正确： 用户：“从此图像中提取文本” 代理：“我在图像中找到了些文本。以下是预览：‘快速棕色狐狸...’”（截断） 理解输出 脚本返回一个 JSON 信封，包含 ok、text、result 和 error 字段。使用 text 进行识别的内容；result 包含用于调试的原始 API 响应。有关完整的模式和字段级别详细信息，请参阅 references/output_schema.md。 原始结果位置（默认）：脚本在 stderr 上打印的临时文件路径 使用示例 示例 1：URL OCR uv run scripts/ocr_caller.py --file-url "https://example.com/invoice.jpg" --pretty 示例 2：本地文件 OCR uv run scripts/ocr_caller.py --file-path "./document.pdf" --pretty 示例 3：带有显式文件类型的 OCR uv run scripts/ocr_caller.py --file-url "https://example.com/input" --file-type 1 --pretty --file-type 0：PDF --file-type 1：图像 如果省略，则类型将从文件扩展名自动检测。对于本地文件，需要一个已识别的扩展名（.pdf、.png、.jpg、.jpeg、.bmp、.tiff、.tif、.webp）；否则，请显式传递 --file-type。对于具有未识别扩展名的 URL，服务将尝试推断。 示例 4：打印 JSON 而不保存