# PP-Structure 快速开始 - [1. 安装依赖包](#1) - [2. 便捷使用](#2) - [2.1 命令行使用](#21) - [2.1.1 版面分析+表格识别](#211) - [2.1.2 版面分析](#212) - [2.1.3 表格识别](#213) - [2.1.4 DocVQA](#214) - [2.2 代码使用](#22) - [2.2.1 版面分析+表格识别](#221) - [2.2.2 版面分析](#222) - [2.2.3 表格识别](#223) - [2.2.4 DocVQA](#224) - [2.3 返回结果说明](#23) - [2.3.1 版面分析+表格识别](#231) - [2.3.2 DocVQA](#232) - [2.4 参数说明](#24) ## 1. 安装依赖包 ```bash # 安装 paddleocr，推荐使用2.3.0.2+版本 pip3 install "paddleocr>=2.3.0.2" # 安装 版面分析依赖包layoutparser（如不需要版面分析功能，可跳过） pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl # 安装 DocVQA依赖包paddlenlp（如不需要DocVQA功能，可跳过） pip install paddlenlp ``` ## 2. 便捷使用 ### 2.1 命令行使用 #### 2.1.1 版面分析+表格识别 ```bash paddleocr --image_dir=PaddleOCR/ppstructure/docs/table/1.png --type=structure ``` #### 2.1.2 版面分析 ```bash paddleocr --image_dir=PaddleOCR/ppstructure/docs/table/1.png --type=structure --table=false --ocr=false ``` #### 2.1.3 表格识别 ```bash paddleocr --image_dir=PaddleOCR/ppstructure/docs/table/table.jpg --type=structure --layout=false ``` #### 2.1.4 DocVQA 请参考：[文档视觉问答](../vqa/README.md)。 ### 2.2 代码使用 #### 2.2.1 版面分析+表格识别 ```python import os import cv2 from paddleocr import PPStructure,draw_structure_result,save_structure_res table_engine = PPStructure(show_log=True) save_folder = './output' img_path = 'PaddleOCR/ppstructure/docs/table/1.png' img = cv2.imread(img_path) result = table_engine(img) save_structure_res(result, save_folder,os.path.basename(img_path).split('.')[0]) for line in result: line.pop('img') print(line) from PIL import Image font_path = 'PaddleOCR/doc/fonts/simfang.ttf' # PaddleOCR下提供字体包 image = Image.open(img_path).convert('RGB') im_show = draw_structure_result(image, result,font_path=font_path) im_show = Image.fromarray(im_show) im_show.save('result.jpg') ``` #### 2.2.2 版面分析 ```python import os import cv2 from paddleocr import PPStructure,save_structure_res table_engine = PPStructure(table=False, ocr=False, show_log=True) save_folder = './output' img_path = 'PaddleOCR/ppstructure/docs/table/1.png' img = cv2.imread(img_path) result = table_engine(img) save_structure_res(result, save_folder, os.path.basename(img_path).split('.')[0]) for line in result: line.pop('img') print(line) ``` #### 2.2.3 表格识别 ```python import os import cv2 from paddleocr import PPStructure,save_structure_res table_engine = PPStructure(layout=False, show_log=True) save_folder = './output' img_path = 'PaddleOCR/ppstructure/docs/table/table.jpg' img = cv2.imread(img_path) result = table_engine(img) save_structure_res(result, save_folder, os.path.basename(img_path).split('.')[0]) for line in result: line.pop('img') print(line) ``` #### 2.2.4 DocVQA 请参考：[文档视觉问答](../vqa/README.md)。 ### 2.3 返回结果说明 PP-Structure的返回结果为一个dict组成的list，示例如下 #### 2.3.1 版面分析+表格识别 ```shell [ { 'type': 'Text', 'bbox': [34, 432, 345, 462], 'res': ([[36.0, 437.0, 341.0, 437.0, 341.0, 446.0, 36.0, 447.0], [41.0, 454.0, 125.0, 453.0, 125.0, 459.0, 41.0, 460.0]], [('Tigure-6. The performance of CNN and IPT models using difforen', 0.90060663), ('Tent ', 0.465441)]) } ] ``` dict 里各个字段说明如下 | 字段 | 说明 | | --------------- |-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |type| 图片区域的类型 | |bbox| 图片区域的在原图的坐标，分别[左上角x，左上角y，右下角x，右下角y] | |res| 图片区域的OCR或表格识别结果。
表格: 一个dict，字段说明如下
        `html`: 表格的HTML字符串
        在代码使用模式下，前向传入return_ocr_result_in_table=True可以拿到表格中每个文本的检测识别结果，对应为如下字段:
        `boxes`: 文本检测坐标
        `rec_res`: 文本识别结果。
OCR: 一个包含各个单行文字的检测坐标和识别结果的元组 | 运行完成后，每张图片会在`output`字段指定的目录下有一个同名目录，图片里的每个表格会存储为一个excel，图片区域会被裁剪之后保存下来，excel文件和图片名为表格在图片里的坐标。 ``` /output/table/1/ └─ res.txt └─ [454, 360, 824, 658].xlsx 表格识别结果 └─ [16, 2, 828, 305].jpg 被裁剪出的图片区域 └─ [17, 361, 404, 711].xlsx 表格识别结果 ``` #### 2.3.2 DocVQA 请参考：[文档视觉问答](../vqa/README.md)。 ### 2.4 参数说明 | 字段 | 说明 | 默认值 | |----------------------|----------------------------------------------------------------------------------------------------------------------------------------------------|---------------------------------------------------------| | output | excel和识别结果保存的地址 | ./output/table | | table_max_len | 表格结构模型预测时，图像的长边resize尺度 | 488 | | table_model_dir | 表格结构模型 inference 模型地址 | None | | table_char_dict_path | 表格结构模型所用字典地址 | ../ppocr/utils/dict/table_structure_dict.txt | | layout_path_model | 版面分析模型模型地址，可以为在线地址或者本地地址，当为本地地址时，需要指定 layout_label_map, 命令行模式下可通过--layout_label_map='{0: "Text", 1: "Title", 2: "List", 3:"Table", 4:"Figure"}' 指定 | lp://PubLayNet/ppyolov2_r50vd_dcn_365e_publaynet/config | | layout_label_map | 版面分析模型模型label映射字典 | None | | model_name_or_path | VQA SER模型地址 | None | | max_seq_length | VQA SER模型最大支持token长度 | 512 | | label_map_path | VQA SER 标签文件地址 | ./vqa/labels/labels_ser.txt | | mode | pipeline预测模式，structure: 版面分析+表格识别; VQA: SER文档信息抽取 | structure | | layout | 前向中是否执行版面分析 | True | | table | 前向中是否执行表格识别 | True | | ocr | 对于版面分析中的非表格区域，是否执行ocr。当layout为False时会被自动设置为False | True | 大部分参数和PaddleOCR whl包保持一致，见 [whl包文档](../../doc/doc_ch/whl.md)