2.8K Star！开源免费的离线OCR工具，识别准确率媲美大厂。

在文档数字化和自动化工作流中，离线 OCR 工具因其隐私性和高效率备受青睐。

这两天在GitHub上发现了一个开源、离线、中文识别率极高的 OCR 工具：TrWebOCR。

基于开源项目Tr（一款针对扫描文档的离线文本识别SDK）构建，是一款专为中文设计的离线OCR工具，识别率媲美商业大厂。

结合Tornado框架提供Web界面和API接口，支持快速文字识别和一定角度的文本旋转检测，方便日常使用和程序集成。

核心亮点

• • 离线运行：本地运行，无需联网，保护数据隐私。
• • 中文识别精准：识别准确率接近大厂OCR，特别适合中文文档。
• • 简单易用：提供Web界面，支持拖拽/粘贴上传图片，无需写代码。
• • API 接口支持：提供标准 Web API，可集成到其他项目中。
• • 一键部署：提供 Docker 镜像，3 分钟启动本地服务。
• • 并发支持：通过Tornado多进程实现有限并发，性能依硬件而定。

快速入门

网上也有一个体验地址可以用，就是识别速度慢了些，随手上传了一个带文字的图片。

体验地址：https://trwebocr.haohe.fun

TrWebOCR通过Docker部署，简单高效，以下是快速上手指南：

① 克隆项目

git clone https://github.com/alisen39/TrWebOCR.git
cd TrWebOCR

② 使用 Dockerfile 构建（方式一）

# dockerfile 构建
docker build -t trwebocr:latest .

# 运行镜像
docker run -itd --rm -p 8089:8089 --name trwebocr trwebocr:latest 

③ 直接 Pull镜像（方式二）

# 从 dockerhub pull
docker pull mmmz/trwebocr:latest

# 运行镜像
docker run -itd --rm -p 8089:8089 --name trwebocr mmmz/trwebocr:latest 

这里是把容器的8089端口映射到了物理机的8089上，但如果你不喜欢映射，去掉run后面的-p 8089:8089 也可以使用docker的IP加8089来访问。

同时TrWebOCR它也是支持API接口调用的，下面是一些接口调用示例：

Python 使用File上传文件

import requests
url = 'http://192.168.31.108:8089/api/tr-run/'
img1_file = {
    'file': open('img1.png', 'rb')
}
res = requests.post(url=url, data={'compress': 0}, files=img1_file)

Base64编码图片，提交识别

import requests
import base64
def img_to_base64(img_path):
    with open(img_path, 'rb')as read:
        b64 = base64.b64encode(read.read())
    return b64
    
url = 'http://192.168.31.108:8089/api/tr-run/'
img_b64 = img_to_base64('./img1.png')
res = requests.post(url=url, data={'img': img_b64})

效果展示：

适用场景

• • 文档扫描：发票、合同、身份证OCR，输出结构化文本。
• • 学术研究：PDF论文转文本，提取公式/表格。
• • 企业自动化：API集成，批量处理扫描件。
• • 隐私敏感：本地运行，适配医疗/法律文档。

写在最后

TrWebOCR 是真正意义上的离线OCR工具，部署完成后即可使用Web界面和API功能。

对开发者也相对友好，适合 Python / Node.js / Java 等环境接入，进行二次开发。

但目前该项目已有两年未更新，实际部署下来效用如何还有待验证，感兴趣的小伙伴可以去试试。

GitHub 项目地址：https://github.com/alisen39/TrWebOCR