multi-lang-ocr

多语言 OCR — 图片文字提取

从图片、截图、扫描件中提取文字。支持中文、英文、中英混排、日文、韩文。100% 本地运行，保护隐私。

使用场景

• 用户说「帮我提取这张图片里的文字」「截图转文字」
• 用户说「识别这份扫描文档的内容」「名片上的信息提取出来」
• 用户说「把这张照片里的表格提取成文本」
• 处理 PDF 中无法提取文字的扫描页

引擎选择（分层策略）

macOS 优先路径（零安装）

macOS 内置 Vision Framework，中英混排识别质量优秀，无需安装任何依赖。

import subprocess, json

def ocr_macos_vision(image_path: str) -> str:
    """Use macOS Vision Framework for OCR (zero install, best quality on Mac)."""
    swift_code = f'''
import Foundation
import Vision

let url = URL(fileURLWithPath: "{image_path}")
guard let image = CGImage.from(url: url) else {{ exit(1) }}

let request = VNRecognizeTextRequest()
request.recognitionLevel = .accurate
request.recognitionLanguages = ["zh-Hans", "zh-Hant", "en-US", "ja", "ko"]
request.usesLanguageCorrection = true

let handler = VNImageRequestHandler(cgImage: image)
try handler.perform([request])

let results = request.results ?? []
for obs in results {{
    if let candidate = obs.topCandidates(1).first {{
        print(candidate.string)
    }}
}}
'''
    # Save and execute Swift script
    import tempfile, os
    script_path = tempfile.mktemp(suffix='.swift')
    with open(script_path, 'w') as f:
        f.write(swift_code)
    try:
        result = subprocess.run(
            ['swift', script_path],
            capture_output=True, text=True, timeout=30
        )
        return result.stdout.strip()
    finally:
        os.unlink(script_path)

使用条件：macOS 13+，无需安装任何依赖。通过 nodes 执行即可。

跨平台路径（pip 安装，~50MB）

使用 rapidocr-onnxruntime，基于 PaddleOCR v4 模型的 ONNX 推理版本。

# 首次安装（约 50MB，30 秒内完成）
pip install rapidocr-onnxruntime

from rapidocr_onnxruntime import RapidOCR

engine = RapidOCR()

# 基本识别（自动检测中英文，无需指定语言）
result, elapse = engine("/path/to/image.png")

# result 是列表：[[坐标, 文字, 置信度], ...]
if result:
    for line in result:
        box, text, confidence = line
        print(f"{text}  (置信度: {confidence:.2f})")

执行方式

通过 nodes 写 Python 脚本执行 OCR。优先尝试 macOS Vision，不可用时降级到 rapidocr。