本仓库为 Umi-OCR 的代码 提供 Linux 运行环境。
Note
Umi-OCR Linux 处于测试阶段,使用时可能遇到一些问题。
欢迎 Linux 用户参与测试、提出Issue、贡献PR。
- Ubuntu
22.04
- Debian
12.5
经验证,可正常使用的功能:
- 批量OCR
- 截图OCR(不支持
Wayland
,仅在x
会话下可用) - 粘贴图片OCR
- 批量文档OCR
- 二维码生成/识别
- HTTP 接口
- 命令行调用
- 一键添加到桌面、开始菜单快捷方式
受限的功能:
- 不支持 一键添加开机自启。(必须手动设置)
- 不支持 批量任务完成后自动关机/待机。
- 在
x
会话下截图受限。 - 目前需要较繁琐的方式手动部署项目。(未来将提供更方便的发行版)
Note
当前 Umi-OCR-Linux 仅具有 PaddleOCR-json 这一种 OCR 引擎,它只支持具有 AVX指令集 的CPU。
未来,我们会添加更多的 OCR 引擎,支持更多硬件平台。
检查CPU兼容性:
lscpu | grep avx
如果CPU支持AVX指令集,则会输出一行很长的结果,其中可以找到 avx
的字样,类似如下(省略部分内容):
Flags: ... avx ... avx2 ...
如果看不到任何输出,这表明当前CPU不支持AVX指令集,暂时无法使用 Umi-OCR-Linux 。
mkdir Umi-OCR_Project
cd Umi-OCR_Project
git clone --single-branch --branch main https://github.com/hiroi-sora/Umi-OCR.git
git clone https://github.com/hiroi-sora/Umi-OCR_runtime_linux.git
sudo apt-get install python3-dev
sudo apt-get install gcc
Umi-OCR_runtime_linux
仓库中的所有文件,拷贝到主仓库 Umi-OCR
中。(不覆盖)
cp -r -n Umi-OCR_runtime_linux/{.,}* Umi-OCR
chmod +x Umi-OCR/umi-ocr.sh
检查当前版本:
python --version
Umi-OCR 依赖 PySide2>=5.15
库,它需要 Python 3.8 ~ 3.10
的环境。如果系统中没有版本符合的Python,那么请根据下列步骤,通过 pyenv 工具,安装 Python 3.10 。(也可以使用 conda 等工具安装。)
安装 pyenv :
curl https://pyenv.run | bash
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
exec "$SHELL"
安装构建工具:
sudo apt install \
make wget llvm build-essential libbz2-dev \
libncurses5-dev libgdbm-dev libnss3-dev \
libssl-dev libffi-dev libreadline-dev libsqlite3-dev \
zlib1g-dev liblzma-dev xz-utils tk-dev
安装Python:
pyenv install 3.10
设置当前Shell的Python版本(不影响系统全局):
pyenv shell 3.10
cd Umi-OCR/UmiOCR-data
python3 --version # 确保Python版本为 3.8 ~ 3.10
python3 -m venv venv
source venv/bin/activate
pip3 install -r ../requirements.txt
安装解压工具 p7zip :
sudo apt-get install p7zip-full
(确保当前在 Umi-OCR/UmiOCR-data
目录下)
创建并转到插件目录:
mkdir -p plugins
cd plugins
下载 linux_x64_PaddleOCR-json_v140_dev 插件并解压:
wget https://github.com/hiroi-sora/Umi-OCR_plugins/releases/download/2.1.3_dev/linux_x64_PaddleOCR-json_v140_dev.7z
7z x linux_x64_PaddleOCR-json_v140_dev.7z
回到 Umi-OCR
目录中
cd ../..
通过命令行启动:
./umi-ocr.sh
成功启动并进行OCR,如下所示:
注:
umi-ocr.sh
为程序启动脚本,允许重命名。
如果希望像普通桌面软件一样,双击运行程序、且不显示控制台窗口,可以在全局设置中创建 桌面/开始菜单快捷方式 ,通过快捷方式图标启动软件。
如果屏幕截图功能不可用(比如截图界面是纯黑的),进行下述操作:
在较新的 Linux 桌面发行版中,默认使用 Wayland
显示服务器协议。由于 Wayland 对权限管理较为严格,QT 框架无法抓取屏幕截图,或者只能获取到纯黑的图像。
如果您需要使用截图功能,请将显示服务器协议切换为 X 协议(如 Xorg
)。以下是在 Ubuntu、Debian 等系统中进行切换的方法:
- 在登录界面,点击右下角的齿轮图标。
- 选择
Xorg
选项。 - 重新登录系统。
如果已经登录了系统,可以先注销,然后按照上述步骤切换到 Xorg
。
如果不需要使用截图功能,则无需进行此操作。
可以在全局设置中一键创建桌面或开始菜单快捷方式。通过快捷方式启动软件时,不会显示命令行窗口。
参考主仓库 命令行手册 ,将调用对象换成 umi-ocr.sh
。如:
./umi-ocr.sh --screenshot
Note
注意,由于Linux平台的会话机制,冷启动时(即 Umi-OCR 未在运行),可能不会执行指令,或者输出多余的调试信息。
建议先启动 Umi-OCR (通过命令行或者快捷方式启动均可),确保主进程已经运行。再在新的会话中,使用命令行指令来控制。
- 如果需要对代码进行二次开发或调试,推荐使用 VS Code 编辑器。
- 插件推荐:
- Python
- Black Formatter (Python规范格式化)
- QML (提供qml语法高亮)
- QML Snippets (提供qml代码补全)
- 本仓库提供了
.vscode
项目配置文件。
- 将项目打包为体积小、易于使用的软件包。