ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.1em;color: rgb(63, 63, 63);">在我们日常工作环境中，处理大量多语言文档、表格和复杂布局已经成为许多企业和个人的日常挑战。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.1em;color: rgb(63, 63, 63);">OCR（光学字符识别）工具的出现大大提升了文档处理的效率。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.1em;color: rgb(63, 63, 63);">Surya 作为一款开源 OCR 工具，在性能和功能上超越了许多现有的选择，尤其在表格识别和复杂布局分析方面表现得特别出色。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;display: table;padding: 0.3em 1em;color: rgb(255, 255, 255);background: rgb(51, 51, 51);border-radius: 8px;box-shadow: rgba(0, 0, 0, 0.1) 0px 4px 6px;">主要功能ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.1em;color: rgb(63, 63, 63);">Surya 是一个针对文档处理优化的 OCR 工具，具备卓越的识别能力，尤其在处理表格、复杂布局和多语言文档时表现突出。苏里亚（Surya）这个名字来源于印度教的太阳神，象征着广泛的视野与光明。
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.1em;color: rgb(63, 63, 63);">以下是 Surya 的核心功能：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;background: rgba(0, 0, 0, 0.05);font-weight: bold;color: rgb(255, 255, 255);">| 功能 | 描述 | | ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding: 0.5em 1em;color: rgb(63, 63, 63);word-break: keep-all;">支持 90+ 种语言 | ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding: 0.5em 1em;color: rgb(63, 63, 63);word-break: keep-all;">可识别全球 90 多种语言，适用于国际化业务。 | ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding: 0.5em 1em;color: rgb(63, 63, 63);word-break: keep-all;">行级文本检测自动检测文本行，确保准确的切分和读取顺序。 | 表格识别 | 自动检测表格的行、列、单元格，支持复杂表格布局。 | | 复杂布局识别 | 能识别图片、标题、段落等复杂文档元素。 | | 高效文本识别 | 精准识别文本内容并保持正确的逻辑顺序。 | | 本地运行与 API 支持 | 支持本地处理，适合高隐私需求；提供 API 便于集成批量处理。 | Surya 的优势1、通过使用先进的模型架构，显著提高了 OCR 的识别速度和精度，特别是在表格识别方面，超越了当前的 SoTA（State of the Art）模型 Table Transformer。 2、完全开源且允许商业用途，你不仅可以在个人项目中使用它，还可以将其集成到商业应用中。 3、Surya 支持 Windows、Mac 和 Linux 系统，并且可以本地部署。对于需要大规模离线处理文档的企业或个人来说，Surya 是一个理想的选择。 4、关键的一点，stars大于10.4k，开发团队非常活跃，持续更新。 支持的文档类型Surya 支持各种文档类型的 OCR 处理，包括但不限于： 如何安装？Surya 的安装过程非常简单，它支持 Python 3.9 及以上版本，并依赖于 PyTorch。 对于非 GPU 设备或 Mac 设备，可能需要安装 CPU 版本的 PyTorch。 1. 使用 pip 安装你可以通过以下命令直接安装 Surya： pipinstallsurya-ocr 在首次运行时，Surya 会自动下载模型权重，确保能够正常使用。 2. Docker 安装Surya 也可以通过 Docker 安装，非常适合需要隔离运行环境的用户： dockerpullvikparuchuri/surya
dockerrun-v${path_to_host_folder_to_scan}:/pathvikparuchuri/surya:latest[COMMAND][OPTIONS][SOURCE_PATH]
3. 源码安装如果你更倾向于手动安装，或者需要自定义 Surya 的功能，可以从 GitHub 克隆项目并自行编译： gitclonehttps://github.com/VikParuchuri/surya.git
cdsurya
makebuild
如何使用？Surya 提供了非常简洁的命令行接口和 Python API。以下是使用 Surya 进行 OCR 的基本方法： 1、命令行使用示例通过以下命令进行 OCR 操作，支持图片、PDF 或文件夹批量处理： surya_ocrDATA_PATH 你还可以根据需求，添加以下参数进行自定义： 生成的results.json文件将包含每个页面的检测结果，包括文本行、置信度、边框信息等。 2、Python API 使用示例如果你更喜欢在代码中直接调用 Surya，可以参考以下 Python 示例： fromPILimportImage
fromsurya.ocrimportrun_ocr
fromsurya.model.detection.modelimportload_modelasload_det_model,load_processorasload_det_processor
fromsurya.model.recognition.modelimportload_modelasload_rec_model
fromsurya.model.recognition.processorimportload_processorasload_rec_processor
image=Image.open("path_to_image.png")
langs=["en"]#替换为你需要的语言
det_processor,det_model=load_det_processor(),load_det_model()
rec_model,rec_processor=load_rec_model(),load_rec_processor()
predictions=run_ocr([image],[langs],det_model,det_processor,rec_model,rec_processor)
表格识别与布局分析Surya 在复杂文档的布局分析和表格识别方面也具有强大的能力。它可以自动检测并识别文档中的表格结构，包括行和列，并输出对应的 JSON 格式结果。 
对于包含表格的 PDF 文件，Surya 可以自动检测表格并返回每个单元格的内容与位置。 {
"tables":[
{
"page":1,
"cells":[
{
"text":"Header1",
"bbox":[100,200,300,250]
},
{
"text":"Header2",
"bbox":[300,200,500,250]
},
{
"text":"Cell1",
"bbox":[100,250,300,300]
},
{
"text":"Cell2",
"bbox":[300,250,500,300]
}
]
}
]
}
性能
| 模型 | 每页时间（秒） | 平均相似度 (⬆) | | surya | .62 | 0.97 | | tesseract | .45 | 0.88 |
结语Surya 是一款功能强大的开源 OCR 工具，能够高效地处理复杂表格、多语言文档以及各种文档类型的布局分析。
|
