办公文档与PPT · 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。
从办公文档与PPT角度评估docTR
把办公文档与PPT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。
能否继续编辑
正文、表格与图表应能交回常用办公工具修改。
有没有原文依据
摘要中的数字、日期和结论需要回到输入材料。
接收方能否使用
交付前确认文件格式、阅读时长和需要对方作出的决定。
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。
