大模型输出：
"这张图片包含一段关于人工智能的描述..."

OCR 输出：
"人工智能（Artificial Intelligence）...
是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新兴技术科学。"

# OCR 可以无缝接入现有自动化流程
for pdf_file in pdf_list:
    text = ocr_process(pdf_file)
    save_to_database(text)           # 存入数据库
    send_to_translation_api(text)    # 触发翻译
    index_to_search_engine(text)     # 索引搜索引擎

✓ 精确文本提取 - 不是"理解图片"，而是"复制文字"
✓ 完全隐私保护 - 数据不出本地服务器
✓ 批量自动化处理 - 大规模文档数字化的基础设施
✓ 零边际成本 - 一次部署，无限次使用
✓ 可定制训练 - 根据业务场景优化识别效果

1. 需求分析 → 确定技术栈（Flask + PaddleOCR）
2. 设计架构 → 前端上传 → 后端 API → OCR 引擎 → 返回结果
3. 编写代码 → 生成 paddleocr_api.py、index.html
4. 解决难点 → PDF 跨平台处理方案（pypdf + PIL 而非 pdf2image）
5. 整理文档 → README、技术解读

┌──────────────────────────────────────────────────────────────┐
│                        OpenCode                              │
│                    （AI 编程助手）                           │
│                                                              │
│   开发者 ──→ OpenCode ──→ 生成 OCR 代码                       │
│                │        (paddleocr_api.py)                   │
│                │                                              │
│                └──→ 分析代码 ──→ 调试 ──→ 完成                │
└──────────────────────────────────────────────────────────────┘
                           │
                           ▼
┌──────────────────────────────────────────────────────────────┐
│                    DocuScan 应用                             │
│                                                              │
│   前端(浏览器)  ←→  Flask API  ←→  PaddleOCR 引擎             │
│                                                              │
│        index.html  ←→  paddleocr_api.py  ←→  文字识别        │
└──────────────────────────────────────────────────────────────┘

用户上传图片 (PNG/JPG)
       │
       ▼
┌─────────────────┐
│  Flask 接收文件  │  ←  multipart/form-data 上传
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  保存到临时目录  │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ PaddleOCR 识别  │  ←  ocr = PaddleOCR(lang="ch")
│  返回文字列表    │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ 构建 Markdown   │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ 返回 JSON 响应  │  ←  {"success": true, "text": "...", "stats": {...}}
└─────────────────┘

用户上传 PDF
       │
       ▼
┌─────────────────┐
│  pypdf 读取 PDF  │  ←  PdfReader(pdf_path)
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ 尝试提取文本层  │  ←  page.extract_text()
└────────┴────────┘
         │
    有文本？
    ├─ 是 → 直接使用文本
    └─ 否 → 提取嵌入图片
         │
         ▼
┌─────────────────┐
│ 提取 XObject    │  ←  遍历 page["/XObject"]
│  中的嵌入图片   │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ PIL 转换为 PNG  │  ←  Image.open(io.BytesIO(img_data))
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ PaddleOCR 识别  │  ←  ocr_image(temp_img_path)
│  临时图片文件   │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ 返回 Markdown   │
└─────────────────┘

# 创建虚拟环境（推荐）
python -m venv paddle_ocr_env
source paddle_ocr_env/bin/activate  # Linux/Mac
# paddle_ocr_env\Scripts\activate  # Windows

# 安装 PaddlePaddle（CPU 版本）
pip install paddlepaddle

# 安装 PaddleOCR
pip install "paddleocr>=2.7.0"

pip install paddlepaddle-gpu

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang='ch')
result = ocr.ocr('invoice.png')

for line in result[0]:
    print(line)

from pathlib import Path
from paddleocr import PaddleOCR
import json

def batch_ocr(image_dir, output_file):
    ocr = PaddleOCR(use_angle_cls=True, lang='ch')
    image_files = list(Path(image_dir).glob("*.png")) + \
                  list(Path(image_dir).glob("*.jpg"))

    all_results = []
    for img_path in image_files:
        result = ocr.ocr(str(img_path))
        all_results.append({
            "file": str(img_path),
            "text": [line[1][0] for line in result[0]]
        })

    with open(output_file, 'w', encoding='utf-8') as f:
        json.dump(all_results, f, ensure_ascii=False, indent=2)

batch_ocr('./images', 'ocr_results.json')

# 中文（默认）
ocr = PaddleOCR(lang="ch")

# 英文
ocr = PaddleOCR(lang="en")

# 日文
ocr = PaddleOCR(lang="jp")

# 韩文
ocr = PaddleOCR(lang="ko")

# 法文
ocr = PaddleOCR(lang="fr")

# 德文
ocr = PaddleOCR(lang="de")