# 文件文本识别

**Repository Path**: loveq2015/cnocr

## Basic Information

- **Project Name**: 文件文本识别
- **Description**: 支持图片、doc、docx、pdf、text等，部分采用ocr
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2023-06-15
- **Last Updated**: 2023-06-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 请选择需要的包进行安装

#### 1. 安装cnocr
```shell
pip install cnocr
pip install cnstd
```

#### 2. 安装数据支持
```shell
pip install peewee
pip install redis
```

#### 3. 安装文件处理相关的包
```shell
pip install aiofiles
yum install ImageMagick-devel
pip install tika wand pytesseract
pip install fitz
pip install PyMuPDF
pip install python-docx
```

#### 4. 安装Libreoffice
linux下doc文件无法直接识别，需要将doc转成docx，请阅读：https://www.jianshu.com/p/d73992111ac9

#### 5. 安装下载进度条
多进程下载时使用进度条显示
```shell
pip install clint
```

#### 6. 安装.env支持
```shell
pip install python-dotenv
```

#### 7. 安装web服务
```shell
pip install tornado
```

#### 8. 启用服务
```shell
python server.py
```