文档OCR助手是一款面向图片、扫描 PDF 和办公文档的本地离线 OCR 工具。它以 PP-OCRv6 Medium 为核心，提供批量识别、页面方向旋正、表格解析、可搜索 PDF、结果审校和截图识别；文件和识别结果始终留在本机，无需上传到云端。
- 批量导入：支持文件、文件夹和常见压缩包，可连续处理多张图片或多份文档，并保留来源层级输出结果。
- 扫描 PDF OCR：能够识别没有文本层、无法搜索和复制的扫描 PDF；也可自动判断原生文本 PDF、强制 OCR 或仅提取已有文本。
- PDF 页码清理：可选移除页顶、页底的中英文、裸数字或混合横线包围页码，兼容常见 OCR 错字和期刊从任意页码开始的情况；结合位置与跨页序列降低误删，默认关闭。
- 可搜索 PDF：在原页面上写入透明文字层，识别后的扫描件可搜索、选择和复制文字。
- 页面方向检测：自动检测并旋正整页 0°、90°、180°、270°，也可关闭或手动指定角度；支持普通文本行 0°/180° 分类。
- 表格识别：使用 SLANet-plus 分析表格结构，输出 Markdown 表格，并尽量保留合并单元格。
- 识别审校：逐页预览图片或 PDF，叠加 OCR 文本框；整理文本、原始文本、Markdown 和识别信息可切换查看，支持修改、复制和重新识别。
- 低置信度提示：低置信度文本框以不同颜色标记，便于快速定位可能需要人工确认的内容。
- 截图识别：通过按钮或全局快捷键框选屏幕区域，识别后可编辑、复制，并保留本地历史记录。
- 多种排版方式：提供多栏自然段、多栏逐行、单栏自然段、单栏逐行、保留缩进和原始结果。
- 流水线预设：内置快速、均衡、精度优先和自定义预设；高级设置可调整 PDF DPI、图像边长、检测阈值、框扩张、识别置信度、批次和 CPU 线程。
- 完整版 Office 转换：除图片和 PDF 外，还可处理 DOC、DOCX、WPS 文档。
- 图形界面与命令行：桌面端适合日常操作，命令行模式便于批处理和脚本调用。
以上截图基于 macOS 版生成，其他桌面平台的功能布局一致。
| 类型 | 支持内容 |
|---|---|
| 图片 | JPG、JPEG、JFIF、PNG、WebP、BMP、TIF、TIFF |
| 原生文本 PDF、混合 PDF、无文本层扫描 PDF、指定页码范围 | |
| Office（完整版） | DOC、DOCX、WPS |
| 压缩包 | ZIP、RAR、7Z、TAR、TAR.GZ、TGZ |
| 输出 | TXT、Markdown、可搜索 PDF、识别报告 |
| 系统 | 架构 | 使用方式 |
|---|---|---|
| macOS 12 或更高版本 | Apple Silicon arm64 | 图形界面、命令行 |
| Windows 10 / 11 | x86_64 | 图形界面、命令行 |
| Kylin V10 | x86_64 | 图形界面、命令行 |
| Kylin V10 | ARM64 / aarch64 | 图形界面、命令行 |
Windows x86 和 Kylin x86 均指 64 位 x86_64，不提供 32 位版本。
- 文字识别：RapidOCR 3.9.1 + PP-OCRv6 Medium ONNX
- 文本行方向：PaddleOCR 0°/180° 分类模型
- 页面方向：固定版本的四方向 ONNX 模型
- 表格结构：SLANet-plus ONNX
- 推理运行时：ONNX Runtime（CPU）
- 隐私：OCR、表格分析、排版整理和文档转换均在本机完成
当前支持整页四方向旋正和普通横排文本行方向分类，不包含竖排文字识别或竖排阅读顺序重排。
请根据 Releases 页面中的系统和架构名称选择程序包，并在下载后核对随 Release 提供的 SHA-256 校验值。