编程智能体与代码 · 工具介绍
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。
从编程智能体与代码角度评估docTR
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
