smart-ocr 是做什么的？
概述
smart-ocr 是一个高级OCR技能，用于从图像和PDF中提取文本。它支持多种语言，并针对不同的文档类型（如扫描件、表格、手写体）进行了优化。
功能特性
- 从图像（PNG, JPG, JPEG, BMP, TIFF）中提取文本
- 从扫描PDF中提取文本
- 支持多种语言：中文、英文、日文、韩文等
- 表格检测与结构化输出
- 图像预处理以提高识别精度
使用方法
从图像提取文本
# 基本用法
claude use claude-office-skills/smart-ocr --image path/to/image.png
# 指定语言
claude use claude-office-skills/smart-ocr --image path/to/image.png --language chi_sim+eng
从PDF提取文本
# 从扫描PDF中提取文本
claude use claude-office-skills/smart-ocr --pdf path/to/document.pdf
支持的平台
- Claude Code
- Cursor
- Codex（通过兼容层）
环境要求
- Tesseract OCR引擎（版本4.x或更高）
- Python 3.8+
- 依赖：pytesseract, pdf2image, Pillow
配置
可通过环境变量进行配置：
| 变量名 | 类型 | 默认值 | 描述 |
|---|---|---|---|
OCR_LANGUAGE | string | eng | 默认OCR语言 |
OCR_DPI | integer | 300 | 图像DPI设置 |
OCR_CONFIG | string | --oem 3 --psm 3 | Tesseract参数 |
常见问题
-
Q: 为什么提取的文本质量不高？
A: 确保原始图像清晰，分辨率至少为300 DPI。尝试使用--preprocess标志。 -
Q: 如何处理多个语言？
A: 使用+连接语言代码，例如chi_sim+eng+jpn。
贡献
欢迎提交Issue和Pull Request。请参考 CONTRIBUTING.md 了解详情。