Node.js OCR 工具选型与集成指南

简介

本文对比了Node.js环境下主流的OCR工具，并提供集成配置指南。

OCR工具对比

1. Tesseract.js（推荐新手）

特性	评分
安装便捷性	⭐⭐⭐⭐⭐
识别精度	⭐⭐⭐⭐
中文支持	⭐⭐⭐⭐
纯JS实现	✅
启动速度	⭐⭐⭐
内存占用	⭐⭐⭐

优点： - 开箱即用，无需配置模型 - 纯JavaScript实现，跨平台兼容 - 支持100+语言 - 社区活跃，文档完善

缺点： - 首次运行需下载语言包（约20MB） - 精度略低于深度学习方案 - 处理大图片较慢

2. PaddleOCR

特性	评分
安装便捷性	⭐⭐⭐
识别精度	⭐⭐⭐⭐⭐
中文支持	⭐⭐⭐⭐⭐
纯JS实现	❌ 依赖ONNX Runtime
启动速度	⭐⭐⭐⭐
内存占用	⭐⭐⭐

优点： - 开源OCR中精度最高 - 中英文混合识别优秀 - 支持GPU加速

缺点： - 需要手动配置模型文件 - 配置复杂 - 依赖较多

3. 商业API（高精度需求）

服务商	精度	价格
Google Vision	⭐⭐⭐⭐⭐	按量付费
Azure Computer Vision	⭐⭐⭐⭐⭐	按量付费
百度OCR	⭐⭐⭐⭐⭐	有免费额度

推荐方案

快速集成 → Tesseract.js

适合：简单图片文字提取、预算有限、对精度要求不高

高精度需求 → PaddleOCR 或 商业API

适合：复杂场景印刷体、需要高精度的文档识别

一、Tesseract.js 集成

1.1 安装

# 使用 npm
npm install tesseract.js

# 或使用 pnpm
pnpm add tesseract.js

# 或使用 yarn
yarn add tesseract.js

1.2 快速开始

import { createWorker } from 'tesseract.js';

async function basicOCR() {
  // 创建Worker，指定语言（中文+英文）
  const worker = await createWorker('chi_sim+eng');

  // 识别图片
  const { data } = await worker.recognize('./image.jpg');

  // 输出结果
  console.log('识别文本:', data.text);
  console.log('置信度:', data.confidence);

  // 逐行输出
  data.lines.forEach(line => {
    console.log(line.text, line.confidence);
  });

  // 终止Worker释放资源
  await worker.terminate();
}

basicOCR();

1.3 批量识别

import { createWorker } from 'tesseract.js';
import fs from 'fs';
import path from 'path';

async function batchOCR(imageDir) {
  const worker = await createWorker('chi_sim+eng');
  const results = {};

  const images = fs.readdirSync(imageDir)
    .filter(f => ['.jpg', '.jpeg', '.png'].includes(path.extname(f)));

  for (const image of images) {
    console.log(`处理中: ${image}`);
    const { data } = await worker.recognize(path.join(imageDir, image));
    results[image] = data.text;
  }

  await worker.terminate();
  return results;
}

1.4 识别结果结构

{
  text: "识别出的完整文本",
  confidence: 92.5,  // 整体置信度
  blocks: [...],     // 文本块
  paragraphs: [...], // 段落
  lines: [           // 行数据
    {
      text: "行文本",
      confidence: 93.5,
      bbox: { x0, y0, x1, y1 }  // 包围盒
    }
  ],
  words: [...]       // 单词/字符
}

1.5 多语言支持

// 简体中文
const worker = await createWorker('chi_sim');

// 英文
const worker = await createWorker('eng');

// 中英文混合
const worker = await createWorker('chi_sim+eng');

// 日文
const worker = await createWorker('jpn');

// 语言列表参考：
// https://github.com/naptha/tessdata/blob/gh-pages/4.0.0_expanded

二、PaddleOCR 集成（进阶）

2.1 安装

npm install paddleocr onnxruntime-node

2.2 使用示例

import paddleocr from 'paddleocr';
import { decode } from 'fast-png';
import fs from 'fs';

async function paddleOCR(imagePath) {
  // 加载图片
  const imageBuffer = fs.readFileSync(imagePath);
  const image = decode(imageBuffer.buffer);

  // 初始化服务（需提供模型）
  const ocr = await paddleocr.PaddleOcrService.createInstance({
    ort: await import('onnxruntime-node'),
    detection: {
      modelBuffer: fs.readFileSync('./models/det.onnx'),
    },
    recognition: {
      modelBuffer: fs.readFileSync('./models/rec.onnx'),
      charactersDictionary: ['中文', '英文', '数字', ...],
    },
  });

  const result = await ocr.recognize({
    data: image.data,
    width: image.width,
    height: image.height,
  });

  return result;
}

三、图片预处理

3.1 使用 sharp 预处理

npm install sharp

import sharp from 'sharp';

async function preprocessImage(inputPath, outputPath) {
  await sharp(inputPath)
    .grayscale()                   // 转灰度
    .normalize()                  // 归一化
    .sharpen()                    // 锐化
    .toFile(outputPath);

  console.log('预处理完成');
}

3.2 预处理效果

预处理	提升效果
灰度转换	+5-10% 精度
锐化	+3-5% 精度
降噪	+5-8% 精度
对比度增强	+5-10% 精度

四、完整项目示例

test-ocr/
├── package.json
├── test.mjs              # 测试脚本
├── test-report.md        # 测试报告
├── test-images/          # 测试图片目录
│   ├── document.jpg
│   └── screenshot.png
└── node_modules/

package.json

{
  "name": "ocr-service",
  "version": "1.0.0",
  "type": "module",
  "scripts": {
    "start": "node index.js",
    "test": "node test.mjs"
  },
  "dependencies": {
    "tesseract.js": "^6.0.0",
    "sharp": "^0.33.0"
  }
}

五、性能对比

指标	Tesseract.js	PaddleOCR
首次启动	~5s（含下载）	~3s
单图处理	1-3s	0.5-1s
中文精度	90-95%	95-98%
内存占用	~200MB	~300MB
CPU占用	中等	较高

六、测试报告

Tesseract.js 测试结果

文件	大小	处理时间	行数	置信度	状态
待测试	-	-	-	-	⏳ 待测试

七、相关链接

• Tesseract.js 官方文档
• Tesseract.js GitHub
• PaddleOCR GitHub
• 支持的语言列表

八、总结建议

新手推荐 Tesseract.js： - 一行代码安装 - 无需配置模型 - 社区支持好 - 精度足够日常使用

高精度场景推荐 PaddleOCR： - 精度更高 - 支持GPU - 适合生产环境

---

文档创建日期： 2026年2月7日 最后更新： 2026年2月7日