PaddleOCR — המדריך המלא: OCR, פריסת עמוד וחילוץ טבלאות בפייתון
PaddleOCR של צוות PaddlePaddle ב-Baidu היא ערכת כלים לזיהוי טקסט ולניתוח מסמכים, שמותקנת כחבילת פייתון ורצה מקומית על CPU או GPU. רישיון Apache 2.0 מאפשר שימוש חופשי, כולל מסחרי, בלי הרשמה.
PaddleOCR
PaddlePaddle (Baidu)
ספריית OCR וניתוח מסמכים בקוד פתוח בפייתון: זיהוי טקסט בעשרות שפות, פריסת עמוד, טבלאות והמרת PDF ל-Markdown או JSON.
להורדה מאתר היצרןמה מקבלים
- זיהוי טקסט רב-לשוני — מודלים ליותר ממאה שפות.
- PP-StructureV3 — זיהוי פריסת עמוד, כותרות וטבלאות.
- טבלאות עד רמת תא — פלט עם קואורדינטות לכל תא.
- PDF ל-Markdown או JSON — המרת מסמכים ותמונות לפלט מובנה.
- מודל שפה-ראייה קומפקטי — לפענוח מסמכים מורכבים במיוחד.
איך משתמשים בזה בעבודה הנדסית
השימוש הטיפוסי: סקריפט שעובר על גיליונות נתונים או תקנים סרוקים ומוציא את טבלאות הערכים לקובץ שאפשר לפתוח בגיליון אלקטרוני. אין ממשק גרפי, צריך להכיר פייתון, והעבודה מהירה בהרבה עם GPU. התיעוד אינו מאשר במפורש תמיכה בעברית, לכן בדקו על דף לדוגמה לפני שמסתמכים עליה.
כלים קשורים
לממשק שולחני מעל אותו מנוע — Umi-OCR. להמרת מסמכים שלמים ל-Markdown עם טבלאות — Docling. לטבלאות מ-PDF עם טקסט אמיתי — Camelot.
Umi-OCR
hiroi-sora (Umi-OCR project)
תוכנת OCR חינמית בקוד פתוח שפועלת בלי אינטרנט: צילום מסך, עיבוד אצווה של תמונות ומסמכי PDF וקריאת קודי QR.
להורדה מאתר היצרן
Docling
Docling Project (originally IBM Research)
כלי קוד פתוח שממיר PDF, DOCX ותמונות סרוקות ל-Markdown או ל-JSON, עם זיהוי מבנה טבלאות ו-OCR, ופועל מקומית.
להורדה מאתר היצרן
Camelot
Camelot developers (camelot-dev)
ספריית פייתון לחילוץ טבלאות מקובצי PDF לטבלת נתונים, CSV, Excel או JSON, עם כמה שיטות ניתוח לטבלאות עם קווים ובלי קווים.
להורדה מאתר היצרן
Surya
Datalab
ערכת OCR בפייתון ביותר מ-90 שפות, עם ניתוח פריסה וסדר קריאה, זיהוי טבלאות ונוסחאות כ-LaTeX; המודלים חינם לשימוש אישי ולמחקר.
להורדה מאתר היצרןהשורה התחתונה
אחת מערכות ה-OCR החזקות בקוד פתוח, עם ניתוח טבלאות ופריסה שמעט כלים חינמיים מציעים. מתאימה למי שמוכן לכתוב קצת קוד.