Files
ocr-server/scripts/package-ubuntu.sh
T
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

66 lines
2.5 KiB
Bash
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
#!/usr/bin/env bash
# 打包 Ubuntu/Linux 发布包(--onedir 目录形式)。
#
# 关键参数说明,改动前请先读:
# --collect-all paddle/paddlex/paddleocr Paddle 的原生库与配置必须整体收集,缺一个就跑不起来
# --collect-all pyclipper/pypdfium2/shapely/bidi
# 检测后处理与识别的必需依赖,漏了会在推理时报错
# --copy-metadata * PaddleX 通过 importlib.metadata 检查依赖,
# 缺元数据会误判「依赖未安装」
# --additional-hooks-dir scripts 启用 scripts/hook-imagesize.py
# --hidden-import imagesize 源码环境下按需导入,打包时必须显式声明
#
# 必须在 Linux 上执行:PyInstaller 不能交叉编译,Windows 上无法生成 ELF 二进制。
set -euo pipefail
PROJECT_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
cd "$PROJECT_ROOT"
if [[ "$(uname -s)" != "Linux" ]]; then
printf '%s\n' '该脚本必须在 Ubuntu/Linux 环境执行,不能在 Windows 上生成 ELF 二进制。' >&2
exit 1
fi
uv sync --dev --python 3.12
rm -rf build dist
uv run pyinstaller --noconfirm --clean --onedir --name ocr-server \
--paths src \
--collect-all paddleocr \
--collect-all paddlex \
--collect-all paddle \
--collect-all cv2 \
--collect-all PIL \
--collect-all pyclipper \
--collect-all pypdfium2 \
--collect-all shapely \
--collect-all bidi \
--hidden-import paddlex.inference.models.text_detection.processors \
--copy-metadata paddlex \
--copy-metadata paddleocr \
--copy-metadata paddlepaddle \
--copy-metadata imagesize \
--add-data 'config.yaml:.' \
--add-data 'http:http' \
--additional-hooks-dir scripts \
--hidden-import imagesize \
--hidden-import imagesize.imagesize \
--hidden-import ocr_server.app \
--hidden-import ocr_server.config \
scripts/packaged_entry.py
cp -f config.yaml dist/ocr-server/config.yaml
cp -a models dist/ocr-server/models
chmod +x dist/ocr-server/ocr-server
BIN="$PROJECT_ROOT/dist/ocr-server/ocr-server"
if [[ ! -x "$BIN" ]]; then
printf '打包失败:未生成 %s\n' "$BIN" >&2
exit 1
fi
printf '\nUbuntu 发布目录:%s\n' "$PROJECT_ROOT/dist/ocr-server"
printf '%s\n' '启动:dist/ocr-server/ocr-server'
printf '二进制 SHA256:%s\n' "$(sha256sum "$BIN" | cut -d' ' -f1)"
printf '%s\n' '(发布时要连 _internal 和 models 一起复制,不能只替换二进制)'