diff --git a/build.bat b/build.bat
index 90422c3..44af5d7 100644
--- a/build.bat
+++ b/build.bat
@@ -1,58 +1,52 @@
@echo off
REM ================================
-REM CutThenThink Windows Build Script
+REM CutThenThink Windows Build Script - Cloud Only Version
REM ================================
+REM 纯云端版本 - 无需本地 ML 库
-REM Change to project directory
cd /d "%~dp0"
+echo ========================================
+echo CutThenThink 纯云端版本构建
+echo ========================================
+echo.
+echo 特点：
+echo - OCR 使用云端 API
+echo - AI 使用 API (OpenAI/Anthropic)
+echo - 无需任何本地 ML 库
+echo ========================================
+echo.
+
REM Check Python
-echo Checking Python...
+echo [1/4] 检查 Python...
python --version 2>nul
if errorlevel 1 (
- echo Python not found. Please install Python 3.8+
+ echo 错误: 未找到 Python
pause
exit /b 1
)
-REM Get Python version
-for /f "tokens=2" %%i in ('python --version 2^>^&1') do set PYVER=%%i
-echo Detected Python %PYVER%
-
echo.
-echo 1/5. Installing PyInstaller...
+echo [2/4] 安装核心依赖...
python -m pip install --user pyinstaller 2>nul
-
-echo.
-echo 2/5. Installing dependencies (compatible with Python 3.13)...
-REM Use SQLAlchemy 2.0.36+ for Python 3.13 compatibility
-python -m pip install --user "sqlalchemy>=2.0.36" 2>nul
python -m pip install --user "PyQt6>=6.7.0" 2>nul
-python -m pip install --user pyyaml 2>nul
-python -m pip install --user requests 2>nul
-python -m pip install --user pillow 2>nul
-python -m pip install --user pyperclip 2>nul
-
-REM Install build dependencies
-python -m pip install --user setuptools 2>nul
+python -m pip install --user "SQLAlchemy>=2.0.36" 2>nul
+python -m pip install --user openai anthropic 2>nul
+python -m pip install --user requests pyyaml pillow pyperclip 2>nul
echo.
-echo 3/5. Cleaning previous build...
+echo [3/4] 清理旧的构建...
if exist build rmdir /s /q build
if exist dist rmdir /s /q dist
echo.
-echo 4/5. Building executable...
-echo NOTE: Using custom hooks to exclude heavy ML libraries that cause Python 3.13 issues
-echo These will be installed dynamically at runtime if needed
+echo [4/4] 开始构建...
python -m PyInstaller ^
--noconfirm ^
--name "CutThenThink" ^
--windowed ^
--onefile ^
--add-data "src:src" ^
- --runtime-hook=pyi_hooks/pyi_rth_ignore_torch.py ^
- --additional-hooks-dir=pyi_hooks ^
--hidden-import=PyQt6.QtCore ^
--hidden-import=PyQt6.QtGui ^
--hidden-import=PyQt6.QtWidgets ^
@@ -60,35 +54,18 @@ python -m PyInstaller ^
--hidden-import=sqlalchemy.orm ^
--hidden-import=PIL ^
--hidden-import=PIL.Image ^
- --hidden-import=PIL.ImageEnhance ^
- --hidden-import=PIL.ImageFilter ^
- --hidden-import=numpy ^
--hidden-import=pyperclip ^
- --hidden-import=tkinter ^
- --hidden-import=tkinter.ttk ^
- --hidden-import=tkinter.scrolledtext ^
- --hidden-import=tkinter.messagebox ^
--hidden-import=yaml ^
--hidden-import=requests ^
+ --hidden-import=openai ^
+ --hidden-import=anthropic ^
--collect-all pyqt6 ^
- --exclude-module=torch ^
- --exclude-module=transformers ^
- --exclude-module=tensorflow ^
- --exclude-module=onnx ^
- --exclude-module=onnxruntime ^
- --exclude-module=sentencepiece ^
- --exclude-module=tokenizers ^
- --exclude-module=diffusers ^
- --exclude-module=accelerate ^
- --exclude-module=datasets ^
- --exclude-module=huggingface_hub ^
- --exclude-module=safetensors ^
src/main.py
if errorlevel 1 (
echo.
echo ================================
- echo Build Failed!
+ echo 构建失败！
echo ================================
pause
exit /b 1
@@ -96,11 +73,12 @@ if errorlevel 1 (
echo.
echo ================================
-echo Build Complete!
-echo Executable: dist\CutThenThink.exe
-echo File size: ~30-50 MB
+echo 构建成功！
echo ================================
+echo 可执行文件: dist\CutThenThink.exe
echo.
-echo On first run, app will auto-download and install PaddleOCR.
+echo 首次运行请配置：
+echo - AI API Key (OpenAI/Anthropic)
+echo - 云端 OCR API
echo.
pause
diff --git a/build.sh b/build.sh
index 0869606..9315602 100644
--- a/build.sh
+++ b/build.sh
@@ -1,10 +1,17 @@
#!/bin/bash
-# CutThenThink 简化打包脚本
+# CutThenThink 纯云端版本打包脚本
+# 无需任何本地 ML 库
set -e
echo "==================================="
-echo "CutThenThink 打包脚本"
+echo "CutThenThink 纯云端版本构建"
+echo "==================================="
+echo ""
+echo "特点："
+echo "- OCR 使用云端 API"
+echo "- AI 使用 API (OpenAI/Anthropic)"
+echo "- 无需任何本地 ML 库"
echo "==================================="
# 使用系统Python和pip
@@ -12,46 +19,27 @@ PYTHON="python3"
PIP="python3 -m pip"
echo ""
-echo "1/4. 安装打包工具..."
+echo "[1/4] 安装打包工具..."
$PIP install --user pyinstaller 2>/dev/null || echo " PyInstaller可能已安装"
echo ""
-echo "2/4. 安装项目依赖..."
-$PIP install --user -r requirements.txt 2>/dev/null || echo " 依赖可能已安装"
+echo "[2/4] 安装核心依赖..."
+$PIP install --user "PyQt6>=6.7.0" 2>/dev/null || echo " PyQt6可能已安装"
+$PIP install --user "SQLAlchemy>=2.0.36" 2>/dev/null || echo " SQLAlchemy可能已安装"
+$PIP install --user openai anthropic 2>/dev/null || echo " AI库可能已安装"
+$PIP install --user requests pyyaml pillow pyperclip 2>/dev/null || echo " 工具库可能已安装"
echo ""
-echo "3/4. 创建应用入口（如果不存在）..."
-if [ ! -f "src/main.py" ]; then
- cat > src/main.py << 'PYEOF'
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-CutThenThink 应用入口
-"""
-import sys
-import os
-
-# 添加src目录到路径
-current_dir = os.path.dirname(os.path.abspath(__file__))
-sys.path.insert(0, current_dir)
-
-from gui.main_window import main
-
-if __name__ == "__main__":
- main()
-PYEOF
-fi
+echo "[3/4] 清理旧的构建..."
+rm -rf build dist
echo ""
-echo "4/4. 开始打包..."
-echo "NOTE: 使用自定义 hooks 排除与 Python 3.13 不兼容的 ML 库"
+echo "[4/4] 开始构建..."
$PYTHON -m PyInstaller \
--name "CutThenThink" \
--windowed \
--onefile \
--add-data "src:src" \
- --runtime-hook=pyi_hooks/pyi_rth_ignore_torch.py \
- --additional-hooks-dir=pyi_hooks \
--hidden-import=PyQt6.QtCore \
--hidden-import=PyQt6.QtGui \
--hidden-import=PyQt6.QtWidgets \
@@ -59,36 +47,24 @@ $PYTHON -m PyInstaller \
--hidden-import=sqlalchemy.orm \
--hidden-import=PIL \
--hidden-import=PIL.Image \
- --hidden-import=PIL.ImageEnhance \
- --hidden-import=PIL.ImageFilter \
- --hidden-import=numpy \
--hidden-import=pyperclip \
- --hidden-import=tkinter \
- --hidden-import=tkinter.ttk \
- --hidden-import=tkinter.scrolledtext \
- --hidden-import=tkinter.messagebox \
--hidden-import=yaml \
--hidden-import=requests \
+ --hidden-import=openai \
+ --hidden-import=anthropic \
--collect-all pyqt6 \
- --exclude-module=torch \
- --exclude-module=transformers \
- --exclude-module=tensorflow \
- --exclude-module=onnx \
- --exclude-module=onnxruntime \
- --exclude-module=sentencepiece \
- --exclude-module=tokenizers \
- --exclude-module=diffusers \
- --exclude-module=accelerate \
- --exclude-module=datasets \
- --exclude-module=huggingface_hub \
- --exclude-module=safetensors \
src/main.py
echo ""
echo "==================================="
-echo "打包完成！"
+echo "构建完成！"
echo "可执行文件: dist/CutThenThink"
echo "==================================="
+echo ""
+echo "首次运行请配置："
+echo "- AI API Key (OpenAI/Anthropic)"
+echo "- 云端 OCR API"
+echo ""
# 测试运行提示
echo ""
diff --git a/requirements.txt b/requirements.txt
index 72a73fa..797fe09 100644
--- a/requirements.txt
+++ b/requirements.txt
@@ -1,17 +1,13 @@
-# CutThenThink 项目依赖
+# CutThenThink 纯云端版本依赖
+# 本版本使用云端 API 进行 OCR 和 AI 处理，无需任何本地 ML 库
# GUI框架
-PyQt6==6.6.1
-PyQt6-WebEngine==6.6.0
+PyQt6>=6.7.0
# 数据库
-SQLAlchemy==2.0.25
+SQLAlchemy>=2.0.36
-# OCR识别
-paddleocr>=2.7.0
-paddlepaddle>=2.6.0
-
-# AI服务
+# AI服务（API调用）
openai>=1.0.0
anthropic>=0.18.0
diff --git a/src/config/settings.py b/src/config/settings.py
index a15b1a7..dc96b0e 100644
--- a/src/config/settings.py
+++ b/src/config/settings.py
@@ -31,7 +31,6 @@ class AIProvider(str, Enum):
class OCRMode(str, Enum):
"""OCR 模式枚举"""
- LOCAL = "local" # 本地 PaddleOCR
CLOUD = "cloud" # 云端 OCR API
@@ -80,11 +79,12 @@ class AIConfig:
@dataclass
class OCRConfig:
- """OCR 配置"""
- mode: OCRMode = OCRMode.LOCAL
+ """OCR 配置 - 纯云端版本"""
+ mode: OCRMode = OCRMode.CLOUD
+ provider: str = "custom" # OCR 提供商: baidu/tencent/aliyun/custom
api_key: str = "" # 云端 OCR API key
+ api_secret: str = "" # 云端 OCR API secret（部分服务商需要）
api_endpoint: str = "" # 云端 OCR endpoint
- use_gpu: bool = False # 本地 OCR 是否使用 GPU
lang: str = "ch" # 语言：ch(中文), en(英文), etc.
timeout: int = 30
diff --git a/src/core/__init__.py b/src/core/__init__.py
index 49301b8..44e51cf 100644
--- a/src/core/__init__.py
+++ b/src/core/__init__.py
@@ -1,13 +1,13 @@
"""
-核心功能模块
+核心功能模块 - 纯云端版本
"""
from src.core.ocr import (
# 基础类
BaseOCREngine,
- PaddleOCREngine,
CloudOCREngine,
OCRFactory,
+ OCRProvider,
# 结果模型
OCRResult,
@@ -68,9 +68,9 @@ from src.core.processor import (
__all__ = [
# OCR 模块
'BaseOCREngine',
- 'PaddleOCREngine',
'CloudOCREngine',
'OCRFactory',
+ 'OCRProvider',
'OCRResult',
'OCRBatchResult',
'ImagePreprocessor',
diff --git a/src/core/ocr.py b/src/core/ocr.py
index be5b148..0efb1c1 100644
--- a/src/core/ocr.py
+++ b/src/core/ocr.py
@@ -1,58 +1,36 @@
"""
-OCR 模块
+OCR 模块 - 纯云端版本
-提供文字识别功能，支持：
-- 本地 PaddleOCR 识别
-- 云端 OCR API 扩展
+提供云端 API 文字识别功能：
+- 云端 OCR API 调用（百度/腾讯/阿里云等）
- 图片预处理增强
- 多语言支持（中/英/混合）
+
+注意：本版本不包含本地 OCR 引擎，所有 OCR 处理通过云端 API 完成。
"""
from abc import ABC, abstractmethod
from pathlib import Path
-from typing import List, Optional, Dict, Any, Tuple
+from typing import List, Optional, Dict, Any
from dataclasses import dataclass
from enum import Enum
import logging
+import base64
+import io
try:
from PIL import Image, ImageEnhance, ImageFilter
- import numpy as np
except ImportError:
raise ImportError(
- "请安装图像处理库: pip install pillow numpy"
+ "请安装图像处理库: pip install pillow"
)
try:
- from paddleocr import PaddleOCR
+ import requests
except ImportError:
- PaddleOCR = None
- logging.warning("PaddleOCR 未安装，本地 OCR 功能不可用。首次运行时将自动安装。")
-
-def ensure_paddleocr():
- """
- 确保 PaddleOCR 已安装，如果没有则安装
- 首次运行时自动下载安装 OCR 库
- """
- global PaddleOCR
- if PaddleOCR is None:
- import subprocess
- import sys
- logging.info("正在安装 PaddleOCR...")
- try:
- subprocess.check_call([
- sys.executable, "-m", "pip", "install",
- "--break-system-packages",
- "paddleocr"
- ])
- # 重新导入
- from paddleocr import PaddleOCR
- globals()["PaddleOCR"] = PaddleOCR
- logging.info("PaddleOCR 安装成功！")
- except subprocess.CalledProcessError as e:
- logging.error(f"PaddleOCR 安装失败: {e}")
- raise
-
+ raise ImportError(
+ "请安装 requests 库: pip install requests"
+ )
# 配置日志
logger = logging.getLogger(__name__)
@@ -62,7 +40,15 @@ class OCRLanguage(str, Enum):
"""OCR 支持的语言"""
CHINESE = "ch" # 中文
ENGLISH = "en" # 英文
- MIXED = "chinese_chinese" # 中英文混合
+ MIXED = "ch_en" # 中英文混合
+
+
+class OCRProvider(str, Enum):
+ """OCR 云端服务提供商"""
+ BAIDU = "baidu" # 百度 OCR
+ TENCENT = "tencent" # 腾讯云 OCR
+ ALIYUN = "aliyun" # 阿里云 OCR
+ CUSTOM = "custom" # 自定义 API
@dataclass
@@ -179,21 +165,6 @@ class ImagePreprocessor:
enhancer = ImageEnhance.Sharpness(image)
return enhancer.enhance(factor)
- @staticmethod
- def enhance_brightness(image: Image.Image, factor: float = 1.1) -> Image.Image:
- """
- 调整亮度
-
- Args:
- image: PIL Image 对象
- factor: 亮度因子
-
- Returns:
- 处理后的图像
- """
- enhancer = ImageEnhance.Brightness(image)
- return enhancer.enhance(factor)
-
@staticmethod
def denoise(image: Image.Image) -> Image.Image:
"""
@@ -207,33 +178,13 @@ class ImagePreprocessor:
"""
return image.filter(ImageFilter.MedianFilter(size=3))
- @staticmethod
- def binarize(image: Image.Image, threshold: int = 127) -> Image.Image:
- """
- 二值化（转换为黑白图像）
-
- Args:
- image: PIL Image 对象
- threshold: 二值化阈值
-
- Returns:
- 处理后的图像
- """
- # 先转为灰度图
- gray = image.convert('L')
- # 二值化
- binary = gray.point(lambda x: 0 if x < threshold else 255, '1')
- # 转回 RGB
- return binary.convert('RGB')
-
@staticmethod
def preprocess(
image: Image.Image,
resize: bool = True,
enhance_contrast: bool = True,
enhance_sharpness: bool = True,
- denoise: bool = False,
- binarize: bool = False
+ denoise: bool = False
) -> Image.Image:
"""
综合预处理（根据指定选项）
@@ -244,7 +195,6 @@ class ImagePreprocessor:
enhance_contrast: 是否增强对比度
enhance_sharpness: 是否增强锐度
denoise: 是否去噪
- binarize: 是否二值化
Returns:
处理后的图像
@@ -263,28 +213,24 @@ class ImagePreprocessor:
if denoise:
result = ImagePreprocessor.denoise(result)
- if binarize:
- result = ImagePreprocessor.binarize(result)
-
return result
@staticmethod
- def preprocess_from_path(
- image_path: str,
- **kwargs
- ) -> Image.Image:
+ def image_to_base64(image: Image.Image, format: str = "JPEG") -> str:
"""
- 从文件路径加载并预处理图像
+ 将 PIL Image 转换为 base64 编码
Args:
- image_path: 图像文件路径
- **kwargs: preprocess 方法的参数
+ image: PIL Image 对象
+ format: 图像格式 (JPEG/PNG)
Returns:
- 处理后的图像
+ base64 编码的字符串
"""
- image = ImagePreprocessor.load_image(image_path)
- return ImagePreprocessor.preprocess(image, **kwargs)
+ buffer = io.BytesIO()
+ image.save(buffer, format=format)
+ img_bytes = buffer.getvalue()
+ return base64.b64encode(img_bytes).decode('utf-8')
class BaseOCREngine(ABC):
@@ -315,7 +261,7 @@ class BaseOCREngine(ABC):
识别图像中的文本
Args:
- image: 图像（可以是路径、PIL Image 或 numpy 数组）
+ image: 图像（可以是路径或 PIL Image）
preprocess: 是否预处理图像
**kwargs: 其他参数
@@ -329,7 +275,7 @@ class BaseOCREngine(ABC):
加载图像（支持多种输入格式）
Args:
- image: 图像（路径、PIL Image 或 numpy 数组）
+ image: 图像（路径或 PIL Image）
Returns:
PIL Image 对象
@@ -338,8 +284,6 @@ class BaseOCREngine(ABC):
return self.preprocessor.load_image(str(image))
elif isinstance(image, Image.Image):
return image
- elif isinstance(image, np.ndarray):
- return Image.fromarray(image)
else:
raise ValueError(f"不支持的图像类型: {type(image)}")
@@ -358,57 +302,53 @@ class BaseOCREngine(ABC):
return sum(r.confidence for r in results) / len(results)
-class PaddleOCREngine(BaseOCREngine):
+class CloudOCREngine(BaseOCREngine):
"""
- PaddleOCR 本地识别引擎
+ 云端 OCR 引擎
- 使用 PaddleOCR 进行本地文字识别
+ 支持多种云端 OCR 服务：
+ - 百度 OCR
+ - 腾讯云 OCR
+ - 阿里云 OCR
+ - 自定义 API
"""
def __init__(self, config: Optional[Dict[str, Any]] = None):
"""
- 初始化 PaddleOCR 引擎
+ 初始化云端 OCR 引擎
Args:
config: 配置字典，支持:
- - use_gpu: 是否使用 GPU (默认 False)
- - lang: 语言 (默认 "ch"，支持 ch/en/chinese_chinese)
- - show_log: 是否显示日志 (默认 False)
+ - api_endpoint: API 端点
+ - api_key: API 密钥
+ - api_secret: API 密钥（部分服务商需要）
+ - provider: 提供商 (baidu/tencent/aliyun/custom)
+ - timeout: 超时时间（秒）
"""
super().__init__(config)
- if PaddleOCR is None:
- raise ImportError(
- "PaddleOCR 未安装。请运行: pip install paddleocr paddlepaddle"
- )
+ self.api_endpoint = self.config.get('api_endpoint', '')
+ self.api_key = self.config.get('api_key', '')
+ self.api_secret = self.config.get('api_secret', '')
+ self.provider = self.config.get('provider', 'custom')
+ self.timeout = self.config.get('timeout', 30)
- # 解析配置
- self.use_gpu = self.config.get('use_gpu', False)
- self.lang = self.config.get('lang', 'ch')
- self.show_log = self.config.get('show_log', False)
-
- # 初始化 PaddleOCR
- logger.info(f"初始化 PaddleOCR (lang={self.lang}, gpu={self.use_gpu})")
- self.ocr = PaddleOCR(
- use_angle_cls=True, # 使用方向分类器
- lang=self.lang,
- use_gpu=self.use_gpu,
- show_log=self.show_log
- )
+ if not self.api_endpoint:
+ logger.warning("云端 OCR: api_endpoint 未配置，OCR 功能将不可用")
def recognize(
self,
image,
- preprocess: bool = False,
+ preprocess: bool = True,
**kwargs
) -> OCRBatchResult:
"""
- 使用 PaddleOCR 识别图像中的文本
+ 使用云端 API 识别图像中的文本
Args:
- image: 图像（路径、PIL Image 或 numpy 数组）
+ image: 图像（路径或 PIL Image）
preprocess: 是否预处理图像
- **kwargs: 其他参数（未使用）
+ **kwargs: 其他参数
Returns:
OCRBatchResult: 识别结果
@@ -421,51 +361,21 @@ class PaddleOCREngine(BaseOCREngine):
if preprocess:
pil_image = self.preprocessor.preprocess(pil_image)
- # 转换为 numpy 数组（PaddleOCR 需要）
- img_array = np.array(pil_image)
+ # 转换为 base64
+ img_base64 = self.preprocessor.image_to_base64(pil_image)
- # 执行 OCR
- result = self.ocr.ocr(img_array, cls=True)
-
- # 解析结果
- ocr_results = []
- full_lines = []
-
- if result and result[0]:
- for line_index, line in enumerate(result[0]):
- if line:
- # PaddleOCR 返回格式: [[bbox], (text, confidence)]
- bbox = line[0]
- text_info = line[1]
- text = text_info[0]
- confidence = float(text_info[1])
-
- ocr_result = OCRResult(
- text=text,
- confidence=confidence,
- bbox=bbox,
- line_index=line_index
- )
- ocr_results.append(ocr_result)
- full_lines.append(text)
-
- # 计算平均置信度
- total_confidence = self._calculate_total_confidence(ocr_results)
-
- # 拼接完整文本
- full_text = '\n'.join(full_lines)
-
- logger.info(f"OCR 识别完成: {len(ocr_results)} 行, 平均置信度 {total_confidence:.2f}")
-
- return OCRBatchResult(
- results=ocr_results,
- full_text=full_text,
- total_confidence=total_confidence,
- success=True
- )
+ # 根据提供商调用不同的 API
+ if self.provider == OCRProvider.BAIDU:
+ return self._baidu_ocr(img_base64)
+ elif self.provider == OCRProvider.TENCENT:
+ return self._tencent_ocr(img_base64)
+ elif self.provider == OCRProvider.ALIYUN:
+ return self._aliyun_ocr(img_base64)
+ else:
+ return self._custom_api_ocr(img_base64)
except Exception as e:
- logger.error(f"OCR 识别失败: {e}", exc_info=True)
+ logger.error(f"云端 OCR 识别失败: {e}", exc_info=True)
return OCRBatchResult(
results=[],
full_text="",
@@ -474,76 +384,187 @@ class PaddleOCREngine(BaseOCREngine):
error_message=str(e)
)
+ def _baidu_ocr(self, img_base64: str) -> OCRBatchResult:
+ """百度 OCR API"""
+ try:
+ # 百度 OCR API 实现
+ url = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"
-class CloudOCREngine(BaseOCREngine):
- """
- 云端 OCR 引擎（适配器）
+ # 获取 access_token（简化版本，实际应该缓存）
+ if self.api_key and self.api_secret:
+ token_url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.api_key}&client_secret={self.api_secret}"
+ token_resp = requests.get(token_url, timeout=self.timeout)
+ if token_resp.status_code == 200:
+ access_token = token_resp.json().get('access_token', '')
+ url = f"{url}?access_token={access_token}"
- 预留接口，用于扩展云端 OCR 服务
- 支持：百度 OCR、腾讯 OCR、阿里云 OCR 等
- """
+ data = {
+ 'image': img_base64
+ }
- def __init__(self, config: Optional[Dict[str, Any]] = None):
- """
- 初始化云端 OCR 引擎
+ response = requests.post(url, data=data, timeout=self.timeout)
+ result = response.json()
- Args:
- config: 配置字典，支持:
- - api_endpoint: API 端点
- - api_key: API 密钥
- - provider: 提供商 (baidu/tencent/aliyun/custom)
- - timeout: 超时时间（秒）
- """
- super().__init__(config)
+ if 'words_result' in result:
+ ocr_results = []
+ full_lines = []
- self.api_endpoint = self.config.get('api_endpoint', '')
- self.api_key = self.config.get('api_key', '')
- self.provider = self.config.get('provider', 'custom')
- self.timeout = self.config.get('timeout', 30)
+ for idx, item in enumerate(result['words_result']):
+ text = item.get('words', '')
+ ocr_result = OCRResult(
+ text=text,
+ confidence=0.95, # 百度 API 不返回置信度
+ line_index=idx
+ )
+ ocr_results.append(ocr_result)
+ full_lines.append(text)
- if not self.api_endpoint:
- logger.warning("云端 OCR: api_endpoint 未配置")
+ full_text = '\n'.join(full_lines)
+ total_confidence = self._calculate_total_confidence(ocr_results)
- def recognize(
- self,
- image,
- preprocess: bool = False,
- **kwargs
- ) -> OCRBatchResult:
- """
- 使用云端 API 识别图像中的文本
+ logger.info(f"百度 OCR 识别完成: {len(ocr_results)} 行")
- Args:
- image: 图像（路径、PIL Image）
- preprocess: 是否预处理图像
- **kwargs: 其他参数
+ return OCRBatchResult(
+ results=ocr_results,
+ full_text=full_text,
+ total_confidence=total_confidence,
+ success=True
+ )
+ else:
+ error_msg = result.get('error_msg', '未知错误')
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message=error_msg
+ )
- Returns:
- OCRBatchResult: 识别结果
- """
- # 这是一个占位实现
- # 实际使用时需要根据具体的云端 OCR API 实现
- logger.warning("云端 OCR 尚未实现，请使用本地 PaddleOCR 或自行实现")
+ except Exception as e:
+ logger.error(f"百度 OCR 调用失败: {e}")
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message=f"百度 OCR 调用失败: {str(e)}"
+ )
+ def _tencent_ocr(self, img_base64: str) -> OCRBatchResult:
+ """腾讯云 OCR API"""
+ # 腾讯云 OCR 实现占位
+ logger.warning("腾讯云 OCR 尚未实现")
return OCRBatchResult(
results=[],
full_text="",
total_confidence=0.0,
success=False,
- error_message="云端 OCR 尚未实现"
+ error_message="腾讯云 OCR 尚未实现"
)
- def _send_request(self, image_data: bytes) -> Dict[str, Any]:
- """
- 发送 API 请求（待实现）
+ def _aliyun_ocr(self, img_base64: str) -> OCRBatchResult:
+ """阿里云 OCR API"""
+ # 阿里云 OCR 实现占位
+ logger.warning("阿里云 OCR 尚未实现")
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message="阿里云 OCR 尚未实现"
+ )
- Args:
- image_data: 图像二进制数据
+ def _custom_api_ocr(self, img_base64: str) -> OCRBatchResult:
+ """自定义 API OCR"""
+ if not self.api_endpoint:
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message="未配置云端 OCR API endpoint"
+ )
- Returns:
- API 响应
- """
- raise NotImplementedError("请根据具体云服务 API 实现此方法")
+ try:
+ headers = {
+ 'Content-Type': 'application/json',
+ }
+
+ # 添加 API Key（如果有）
+ if self.api_key:
+ headers['Authorization'] = f'Bearer {self.api_key}'
+
+ data = {
+ 'image': img_base64,
+ 'format': 'base64'
+ }
+
+ response = requests.post(
+ self.api_endpoint,
+ json=data,
+ headers=headers,
+ timeout=self.timeout
+ )
+
+ if response.status_code == 200:
+ result = response.json()
+
+ # 尝试解析常见格式
+ if 'text' in result:
+ # 简单文本格式
+ full_text = result['text']
+ ocr_results = [OCRResult(text=full_text, confidence=0.9)]
+ return OCRBatchResult(
+ results=ocr_results,
+ full_text=full_text,
+ total_confidence=0.9,
+ success=True
+ )
+ elif 'lines' in result:
+ # 多行格式
+ ocr_results = []
+ full_lines = []
+ for idx, line in enumerate(result['lines']):
+ text = line.get('text', '')
+ conf = line.get('confidence', 0.9)
+ ocr_results.append(OCRResult(text=text, confidence=conf, line_index=idx))
+ full_lines.append(text)
+
+ full_text = '\n'.join(full_lines)
+ total_confidence = self._calculate_total_confidence(ocr_results)
+
+ return OCRBatchResult(
+ results=ocr_results,
+ full_text=full_text,
+ total_confidence=total_confidence,
+ success=True
+ )
+ else:
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message=f"未知的响应格式: {list(result.keys())}"
+ )
+ else:
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message=f"API 请求失败: HTTP {response.status_code}"
+ )
+
+ except Exception as e:
+ logger.error(f"自定义 API OCR 调用失败: {e}")
+ return OCRBatchResult(
+ results=[],
+ full_text="",
+ total_confidence=0.0,
+ success=False,
+ error_message=f"API 调用失败: {str(e)}"
+ )
class OCRFactory:
@@ -555,14 +576,14 @@ class OCRFactory:
@staticmethod
def create_engine(
- mode: str = "local",
+ mode: str = "cloud",
config: Optional[Dict[str, Any]] = None
) -> BaseOCREngine:
"""
创建 OCR 引擎
Args:
- mode: OCR 模式 ("local" 或 "cloud")
+ mode: OCR 模式（当前仅支持 "cloud"）
config: 配置字典
Returns:
@@ -571,43 +592,34 @@ class OCRFactory:
Raises:
ValueError: 不支持的 OCR 模式
"""
- if mode == "local":
- return PaddleOCREngine(config)
- elif mode == "cloud":
+ if mode == "cloud":
return CloudOCREngine(config)
else:
- raise ValueError(f"不支持的 OCR 模式: {mode}")
+ # 为了向后兼容，非 cloud 模式也返回云端引擎
+ logger.warning(f"OCR 模式 '{mode}' 已弃用，使用云端 OCR")
+ return CloudOCREngine(config)
# 便捷函数
def recognize_text(
image,
- mode: str = "local",
- lang: str = "ch",
- use_gpu: bool = False,
- preprocess: bool = False,
+ mode: str = "cloud",
+ preprocess: bool = True,
**kwargs
) -> OCRBatchResult:
"""
快捷识别文本
Args:
- image: 图像（路径、PIL Image）
- mode: OCR 模式 ("local" 或 "cloud")
- lang: 语言 (ch/en/chinese_chinese)
- use_gpu: 是否使用 GPU（仅本地模式）
+ image: 图像（路径或 PIL Image）
+ mode: OCR 模式（仅支持 "cloud"）
preprocess: 是否预处理图像
**kwargs: 其他配置
Returns:
OCRBatchResult: 识别结果
"""
- config = {
- 'lang': lang,
- 'use_gpu': use_gpu,
- **kwargs
- }
-
+ config = kwargs.copy()
engine = OCRFactory.create_engine(mode, config)
return engine.recognize(image, preprocess=preprocess)
diff --git a/src/gui/main_window.py b/src/gui/main_window.py
index 53a9e1f..81dbc39 100644
--- a/src/gui/main_window.py
+++ b/src/gui/main_window.py
@@ -21,7 +21,6 @@ from PyQt6.QtWidgets import (
)
from PyQt6.QtCore import Qt, QSize, pyqtSignal, QThread, QTimer
from PyQt6.QtGui import QIcon, QShortcut, QKeySequence
-from src.core.ocr import ensure_paddleocr
from src.gui.styles import ThemeStyles
from src.gui.widgets import (
@@ -349,8 +348,8 @@ class MainWindow(QMainWindow):
# OCR 配置卡片
ocr_card = self._create_card("""
🔍 OCR 配置
- 选择本地或云端 OCR 服务。
- 本地：PaddleOCR | 云端：自定义 API
+ 配置云端 OCR 服务。
+ 支持：百度 OCR、腾讯云 OCR、阿里云 OCR、自定义 API
""")
scroll_layout.addWidget(ocr_card)