工具介绍与任务方法
docTR
docTR 通过文本检测与字符识别两阶段处理文档，可从 PDF 和图像定位并识别文字，返回页面、文本块、行和词的层级结构，并支持可视化和字典导出。
docTR 能做什么
docTR 通过文本检测与字符识别两阶段处理文档，可从 PDF 和图像定位并识别文字，返回页面、文本块、行和词的层级结构，并支持可视化和字典导出。
- 文档解析与格式转换
如何使用 docTR
识别 PDF 中的文字并检查结构化结果
准备输入
- 待识别的 PDF 文档及已安装的 docTR 模型环境。
操作步骤
- 创建 ocr_predictor，并通过 DocumentFile.from_pdf 读取文档。
- 调用模型处理文档，使用 result.show 查看识别与定位结果。
- 通过 result.export 导出嵌套字典，逐页核查文字及结构。
预期交付物
- 包含页面、块、行和词等层级的识别结果及可用于 JSON 的嵌套字典。
旋转页面与不同文字方向需要匹配相应框设置；人工核对数字、专名和阅读顺序，不把 OCR 输出当作已校对文本。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
