zimoyin
|
3772998137
|
fix: 修复 GUI.html 完全不可用,并为网页客户端开启 CORS
GUI.html 里有一句硬语法错误:
progressFill?.style.width = '100%';
可选链不能做赋值目标,整个 <script> 块解析失败——页面加载看着正常,但所有按钮
都没反应,浏览器只在控制台报一条错,极容易被误判成「服务连不上」。
改成 if (progressFill) ...,并用 node --check 加了回归测试。
网页端调接口是跨域请求,而服务端没开 CORS:/api/v1/i2t 发 JSON 会先发预检
OPTIONS,直接失败;上传虽然能发出去,但响应读不到。加了 CORSMiddleware,
来源由 cors_allow_origins 配置(默认 ["*"],[] 可关)。命令行脚本不受影响,
所以这个坑只在网页端暴露。
顺带修掉 GUI 里几处:
· 安静模式下没有进度条,onProgress 会拿 undefined 赋值
· 字段渲染用 innerHTML 拼值——OCR 结果来自用户上传的图片,内容不可信,改 textContent
· 置信度/超时输入框清空时 parseFloat 得到 NaN,会让服务端返回 422,加回退值
· 处理完重置 fileInput.value,否则再选同一个文件不触发 change
· 页面经 http(s) 打开时,服务地址默认填 location.origin(同源,免配)
测试:新增 CORS 预检/关闭两条用例,以及 GUI.html 的 JS 语法检查(用 node,
没装 node 则跳过)。101 passed, 1 skipped。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 12:31:44 +08:00 |
|
zimoyin
|
ec6b9c7ae3
|
feat: 新增 bat/sh 版 API 客户端,修复 bat 吞退出码与 CRLF 问题
新增 scripts/api-client.bat 与 api-client.sh:上传图片 -> 轮询 -> 打印识别文本与
抽取字段。自动挑解释器(优先 .venv,退回系统 Python);api_client.py 只用标准库,
所以一台只装 Python、不装本项目依赖的机器也能当客户端用。
修掉两个 bat 上的真 bug(都是实测出来的,不是看代码看出来的):
1. 退出码被吞。`if exist ... ( ... exit /b %errorlevel% )` 里的 %errorlevel%
是**解析时**展开的,取到的是启动程序之前的值,于是失败也返回 0。
start.bat 同样中招(启动失败会被吞成成功)。两处都改成 goto 结构。
2. .bat 必须 CRLF。同一份内容,CRLF 正常跑完;LF 会让 cmd 解析挂住——
无任何输出、也不退出,看起来像服务卡死。download-models.bat 原本也是 LF,
一并修正;新增 .gitattributes 钉死 *.bat=eol:crlf、*.sh=eol:lf。
另:参数校验挪到探活之前,参数写错时不会因为连不上服务报出误导性错误;
stdout 加 flush,重定向到文件时输出顺序不再错乱。
测试:新增两条回归用例(bat 必须 CRLF;Windows 上 bat 能被 cmd 跑通,带超时
以免坏掉时把测试卡死)。99 passed。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 12:15:39 +08:00 |
|
zimoyin
|
0a299dec18
|
feat: 新增命令行 API 客户端,修复发布配置改写的反斜杠 bug
scripts/api_client.py:完整走一遍 upload -> 轮询 i2t -> 打印识别文本与抽取字段。
只用标准库(不依赖 requests),可直接拷到别的机器上跑;支持多图、
--min-confidence(服务端过滤)、--json、--health。参数校验放在探活之前,
参数写错时不会因为连不上服务而报出误导性错误。
scripts/prepare_release_config.py:re.sub 的**替换串**里反斜杠是转义序列,
写 Windows 路径(model_dir=D:\...)必然抛 "bad escape \c"。改用函数式替换。
.gitignore 补 *.zip:打包产物压出来有数 GB,别误提交。
README:补命令行客户端用法、发布包共用项目 models 目录的做法。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 11:59:39 +08:00 |
|
zimoyin
|
5ab4bef80e
|
build: CPU/GPU 双环境、产物命名与打包修复
交付:
· 产物按变体命名:CPU -> dist/ocr-server/,GPU -> dist/ocr-server-gpu/。
变体由构建环境实际装的 paddle 自动判断,不需要人工声明
· GPU 包额外加 --collect-binaries nvidia。漏收的后果实测是最难查的那种:
引擎能正常加载、设备也识别成 GPU,但第一次推理才报
cudnn64_9.dll error 126
· --copy-metadata 的发行包名随变体变化(paddlepaddle / paddlepaddle-gpu),
改由 scripts/paddle_env.py 动态取;写死任何一个在另一种环境下都打不出包
· 新增 scripts/prepare_release_config.py 按变体覆盖发布配置(用 Python 改写
以保持 UTF-8,PowerShell 的 Set-Content 会把中文注释写坏)
环境:
· paddle 从 pyproject 依赖里移除,改用 scripts/install_paddle.py 安装。
它没法写死:CPU/GPU 互斥,GPU 还得按显卡选 CUDA 通道(RTX 50 系必须 cu129)。
钉死 CPU 版时,uv sync / uv run / PyCharm 自动同步都会把装好的
paddlepaddle-gpu 静默挤掉、服务悄悄退回 CPU(实测踩过三次)
· 新增 scripts/switch_env.py:.venv(CPU)与 .venv-gpu(GPU)两套环境共存,
切换零成本;所有 uv run 补 --no-sync,打包改用 uv sync --inexact
· 预置模型扩到 8 套(v4/v5 × 服务端/移动端 × 检测/识别,约 398MB)
其它:
· scripts/start.* 先找发布包再退回源码环境;入口脚本名固定是 ocr-server
· benchmark_ocr.py 输出 segments 与 chars,换设备/模型时可直接比对召回
· .gitignore 覆盖 .venv-gpu/ 与 dist*/
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-14 03:53:48 +08:00 |
|
zimoyin
|
cf7088a13d
|
revert: remove enable_detection and return_word_box options
按需求移除两个开关:
- enable_detection:跳过检测直接识别,实测只对单行图有效,多行文档会返回空结果
- return_word_box:字/词级坐标,默认即关闭且开销在噪声内,无实际收益
恢复正常的两段式链路:文本检测 → 文本识别。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 19:16:21 +08:00 |
|
zimoyin
|
a7d4ff6454
|
feat: add enable_detection switch to skip text detection
enable_detection: false 跳过检测模型,直接把整图当一行文本送识别。
实测:单行图可正确识别;多行整图因识别模型固定缩放到高 48px 会返回空结果,已加告警。
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 15:59:25 +08:00 |
|
zimoyin
|
52696aca90
|
feat: add return_word_box option and simplify progress checkpoints
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 14:39:02 +08:00 |
|
zimoyin
|
d4bbddc4e4
|
feat: add cross-platform model download scripts
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-13 13:27:06 +08:00 |
|
zimoyin
|
e32ad664f1
|
feat(fields): 字段抽取支持按行锁定与多项匹配开关,修复进度日志被吞
字段抽取 src/ocr_server/fields.py
- 新增 row:只从第 N 行取值,行号由 bbox 纵向重叠的坐标分组得出,-1 表示不限定;
用于排除正文/页眉里同名标签造成的误取
- 新增 separator_optional(标签后无冒号也抽,默认关闭)
与 label_linebreak(标签内部跨行,如 姓 + 名:,默认关闭)
- 新增 occurrence(first/last,正副本、页眉页脚重复打印时取最后一个)
与全局 extract_include_empty(未命中的字段返回空串,便于固定 schema)
- 修复:跨行命中的标签文本包含换行,归一化时未去换行导致匹配不到字段规则、
取到的值被丢弃
- build_specs 在服务启动时校验:字段名重复、同一标签被多个字段共用、
正则语法、max_length / occurrence / row 取值合法性
日志 src/ocr_server/logging_setup.py
- handler 改挂到 ocr_server logger 并关闭向 root 传播:Paddle 初始化会把 root
级别改成 WARNING,依赖 root 会导致其后所有 INFO 日志(含 10/20/50/80/100
进度行)被静默过滤,看起来像任务卡死
引擎配置
- enable_mkldnn 由写死的 False 改为可配置;cpu_threads 支持 max(吃满逻辑核心)
- pyproject 固定 paddlepaddle>=3.2,<3.3:3.3.x 的 PIR + oneDNN 组合会直接推理失败
打包
- 移除多余的 scripts 目录打包;新增 -DistPath 便于 dist 被占用时改址构建;
构建结束输出 exe SHA256(避免再拿到旧产物)
- Ubuntu 脚本同步更新,并输出二进制 SHA256
文档
- README / config.yaml 注释按实测修订:行结构、模型档位对比、oneDNN 与版本差异、
汉字字符类的范围与缺口、防止取错的机制与建议
Co-Authored-By: Claude Code <noreply@anthropic.com>
|
2026-10-12 14:37:03 +08:00 |
|
zimoyin
|
44d42f6ae0
|
init2.2
|
2026-10-12 12:06:58 +08:00 |
|
zimoyin
|
cebe783839
|
init2.1
|
2026-10-12 11:03:59 +08:00 |
|
zimoyin
|
5ddda545f5
|
init2
|
2026-10-12 11:00:09 +08:00 |
|
zimoyin
|
11883e260f
|
init
|
2026-10-11 02:26:26 +08:00 |
|