Repository files navigation

🚀 Work In Progress

整体功能还没开发完哈！欢迎加入一起搞

该项目主要针对文档类图像做内容提取，将文档类图像一比一输出到Word或者Txt中，便于进一步使用或处理。后续计划支持输入PDF/图像，输出对应json格式、Txt格式、Word格式和Markdown格式。

以下为整体框架依赖包，均为RapidAI出品。

• rapid_orientation
• rapid_layout
• rapid_table /TableStructureRec
• rapid_latex_ocr
• rapidocr_onnxruntime
• rapidocr_layout_recover

flowchart TD    A[/文档图像/] --> B([文档方向分类 rapid_orientation]) --> C([版面分析 rapid_layout])    C --> D([表格识别 rapid_table]) & E([公式识别 rapid_latex_ocr]) & F([文字识别 rapidocr_onnxruntime]) --> G([版面还原 rapid_layout_recover])    G --> H[/结构化输出/]

• 输入：文档类图像
• 输出：TXT或Word

pip install -r requirements.txt

git clone https://github.com/RapidAI/RapidDoc.gitcd RapidDocpython demo.py

⚠️注意：之所以提取结果没有分段，是因为版面分析模型没有段落检测功能。现有开源的所有版面分析模型都没有段落检测功能，这个后续会考虑自己训练一个版面分析模型来优化这里。