python 部署可离线使用的中文识别OCR（window）

前言

日常很多应用、小程序都提供有文字识别功能，导致不少项目业主也会提这方面需求，但在线就意味着付费，本人在前面分享过一个在线调用百度OCR识别表格的应用工具也是付费的（一天免费调用50次，只够做免费调研），本篇将分享python自带的可离线使用的中文识别（cnocr）环境的搭建。

概述

之所以选择python，是因为python上有很多封装好的人工智能模块，通过简单的在线下载即可完成环境的搭建。

环境搭建

1、下载python

安装cnocr必须在python 3.8版本以上，本篇使用的是python 3.8.10。下载地址：

https://registry.npmmirror.com/binary.html?path=python/3.8.10/

64位window选择python-3.8.10-amd64.exe（python是吃性能的，如果用window作为服务器端部署，建议还是得用64位的系统）

2、创建python虚拟环境

装完python之后，如果只是体验，是可以不需要创建虚拟环境的，但下一篇我会分享怎么把python程序打包成.exe程序，使用虚拟环境才能达到"瘦身"效果。

python虚拟环境会以目录形式存在，我把虚拟环境放在D:\python目录下。

打开cmd命令窗口，进入D:\python目录，执行以下命令创建并激活虚拟环境

复制代码

# 创建虚拟环境
python -m venv cnocr_env

# 激活虚拟环境
cnocr_env\Scripts\activate

激活之后，如下图，在目录前面有虚拟环境的标识

3、升级pip

安装python3.8.10自带安装的pip不是最新版本的，无法下载cnocr，更新命令如下：

复制代码

python -m pip install --upgrade pip
#如果以上命令报错就执行下面的命令
python -m pip install --upgrade pip --force-reinstall

执行命令如果有问题，需要多执行几次。

4、安装 CnOCR

要关联下载的东西比较多，官网安装容易中断，下面用国内的镜像

复制代码

pip install cnocr -i https://pypi.tuna.tsinghua.edu.cn/simple

5、写代码测试

我在虚拟场景下创建了core目录存放python代码，代码内容如下

复制代码

from cnocr import CnOcr
print('============1===========')
ocr=CnOcr()
print('============2===========')
result=ocr.ocr('./123.png')
print('============3===========')
print(result)

首次运行会报错未发现"onnxruntime"模块，onnxruntime是一个用于运行 ONNX（Open Neural Network Exchange）模型的高性能推理引擎。它是 Python 的一个模块，专门用于在各种硬件平台上高效地执行深度学习模型。

6、安装onnxruntime

复制代码

pip install onnxruntime -i https://mirrors.aliyun.com/pypi/simple/

下载完成后，自动下载了一个训练好的模型ch_PP-OCRv5_det_infer.onnx，重新运行测试程序，可以看到有信息提示：

复制代码

[INFO] 2025-10-15 18:06:41,321 [RapidOCR] base.py:22: Using engine_name: onnxruntime
[INFO] 2025-10-15 18:06:41,337 [RapidOCR] main.py:53: Using C:\Users\xxxx\AppData\Roaming\cnstd\1.2\ppocr\ch_PP-OCRv5_det\ch_PP-OCRv5_det_infer.onnx

如下图所示，可以在提示的目录中找到ch_PP-OCRv5_det_infer.onnx

篇尾

以上安装的cnocr包含的ch_PP-OCRv5_det_infer.onnx模型，是百度飞桨（PaddlePaddle）框架的OCR工具库PaddleOCR 最新的文本检测模型之一**，**百度的AI接口平台也是基于PaddlePaddle提供的AI模型范围，所以准确度是有保障的，符合离线部署需求场景。

另外也分享下基于PaddleOCR的一个离线exe应用，功能比较丰富

https://gitcode.com/GitHub_Trending/um/Umi-OCR?source_module=search_result_repo