hiroi-sora/Umi-OCR_runtime_linux

Umi-OCR Linux 运行环境

平台： Windows • Linux

Umi-OCR Linux 运行环境

本仓库为 Umi-OCR 的代码 提供 Linux 运行环境及 Docker 部署方案 。

已通过测试的系统

主机部署：

• Ubuntu 22.04
• Debian 12.5
• Kali 2023.3

Docker 部署：

• CentOS 7

Umi-OCR Linux 兼容情况

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。

硬件要求

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 。

Docker 部署

👉 README-docker

主机部署

创建项目目录

mkdir Umi-OCR_Project
cd Umi-OCR_Project

拉取最新源码

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

拷贝Linux环境所需脚本

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

Python 运行环境

方式一：下载我们提供的嵌入式运行环境包 Release 。

• 请在 Release 中查看最新的下载地址。

下载、解压、放置到 UmiOCR-data 目录。

wget https://github.com/hiroi-sora/Umi-OCR_runtime_linux/releases/download/2.1.3/Umi-OCR_v2.1.3_Linux_embeddable.tar.xz
tar -v -xf Umi-OCR_v2.1.3_Linux_embeddable.tar.xz
cp -r -n .embeddable Umi-OCR/UmiOCR-data/

方式二：使用系统已安装的 Python 解释器，创建虚拟环境。

展开

Umi-OCR 需要 3.8 ~ 3.10 的 Python 解释器。除此以外的版本，如 3.11 ，会因为无法安装 PySide2>=5.15 库而无法完成部署。

您可以使用以下的方式来准备 Python 解释器。

1. 检查系统 Python 版本，如果 3.8 ~ 3.10 ，那么可以继续步骤：

python3 --version

2. 安装工具：

sudo apt-get install python3-dev gcc libxcb-xinerama0

3. 在 Umi-OCR/UmiOCR-data 目录中，创建Python虚拟环境，安装依赖库：

cd Umi-OCR/UmiOCR-data
python3 -m venv .venv
source .venv/bin/activate
pip3 install -r ../requirements.txt

方式三：使用 pyenv 安装额外的 Python 解释器。

展开

1. 安装 pyenv

2. 安装构建工具

sudo apt install python3-dev gcc libxcb-xinerama0 \
        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

3. 在 pyenv 内，虚拟安装 Python 3.10

pyenv install 3.10

4. 设置当前 Shell 的 Python 版本（不影响系统全局）

pyenv shell 3.10

5. 回到方式二，创建虚拟环境。

方式四：自己准备 Python 嵌入式运行环境包。

展开

Python 嵌入式包的好处是完全与系统隔离，便于将部署完毕的 Umi-OCR 打包和分发。

在 Linux 下，Python 官方并未提供嵌入包，需要手动编译，或者使用第三方编译的模块。这里我们使用 lmbelo/python3-embeddable 项目。

1. 安装工具：

sudo apt-get install python3-dev gcc libxcb-xinerama0

2. 确保当前在 Umi-OCR_Project 目录中。下载 python3-linux-3.10.4-x86_64 ，解压到 .embeddable 目录中。

wget https://github.com/lmbelo/python3-embeddable/releases/download/v1.0.0/python3-linux-3.10.4-x86_64.zip
unzip python3-linux-3.10.4-x86_64.zip -d .embeddable

3. 将嵌入式包复制到 Umi-OCR/UmiOCR-data/ 。

cp -r -n .embeddable Umi-OCR/UmiOCR-data/

4. 激活该嵌入式环境。

cd Umi-OCR/UmiOCR-data/.embeddable  # 进入环境目录（必须！）
source activate.sh
python3 --version  # 应该打印 Python 3.10.4

5. 记录下 python3 和 pip3 指令的路径。

which python3
# /home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/python3
which pip3
# /home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/pip3

6. 将 pip3 指向的 python 路径，改为上面查到的 python 路径。

nano "/home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/pip3"

开头有一行：

#!/usr/bin/python

改为：

#!/home/my/MyCode/Umi-OCR_Project/Umi-OCR/UmiOCR-data/.embeddable/bin/python3

保存，退出文件。

Ctrl+S, Ctrl+X

7. 下载项目依赖库。由于嵌入式python环境中 没有SSL模块 ，无法通过常见的pip源进行下载（目前几乎所有http源都会被重定向到https）。因此，我们需要移花接木，先借助系统自带的原始pip进行下载，再转移到嵌入式pip中安装。

另开一个控制台，在 Umi-OCR_Project 目录中，执行：

pip3 download -r ./Umi-OCR/requirements.txt -d ./pip-temp/ --only-binary=:all: --python-version 3.10.4

回到嵌入式环境的控制台，在当前目录（Umi-OCR/UmiOCR-data/.embeddable）中，执行：

pip3 install ../../../pip-temp/*.whl

8. 完成。

部署 PaddleOCR-json 插件

方式一：简易部署

• 可以在 Umi-OCR_plugins/releases 中查看最新的Linux引擎插件下载地址。

下载、解压、放置到 Umi-OCR/UmiOCR-data/plugins 目录。

# 去到插件目录（如果没有则创建）
# mkdir Umi-OCR/UmiOCR-data/plugins
# cd Umi-OCR/UmiOCR-data/plugins
# 下载打包好的插件
wget https://github.com/hiroi-sora/Umi-OCR_plugins/releases/download/2.0.0/linux_x64_PaddleOCR-json_v141.tar.xz
# 解压，放置在当前路径（plugins目录）
tar -v -xf linux_x64_PaddleOCR-json_v141.tar.xz

方式二：源码部署

参考： PaddleOCR-json 插件部署 。

启动！

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，需在控制台中运行。

创建快捷方式

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，可以在软件的 全局设置 中勾选 桌面/开始菜单快捷方式 ，下次通过快捷方式图标启动软件。

在不同 Linux 发行版中，系统路径可能有区别，导致 Umi 无法自动创建桌面/开始菜单快捷方式，此时请手动创建 Umi-OCR.desktop 文件，写入以下内容：（将 path/to/Umi-OCR 换成实际绝对路径）

[Desktop Entry]
Version=v2
Type=Application
Name=Umi-OCR
Exec={path/to/Umi-OCR}/umi-ocr.sh
Path={path/to/Umi-OCR}
Icon={path/to/Umi-OCR}/UmiOCR-data/qt_res/images/icons/umiocr.ico
Terminal=false

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：

（可选）将显示服务器协议设置为 X 会话

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：

1. 在登录界面，点击右下角的齿轮图标。
2. 选择 Xorg 选项。
3. 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。

（可选）无头模式

在部分没有GUI桌面的环境中（如Docker或云服务器），可通过 xvfb 配置虚拟显示器，使 Umi 的QT框架正常运行。

1. 安装 xvfb

apt-get install -y xvfb

2. 启动 umi-ocr.sh 之前，设置环境变量 HEADLESS=true 。

export HEADLESS=true
./umi-ocr.sh

命令行指令

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。

（可选）编辑器

• 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。

---

关于项目结构

各仓库：

• 主仓库
• 插件库
• Windows 运行库
• Linux 运行库 👈

工程结构：

** 后缀表示本仓库(Linux 运行库)包含的内容。

Umi-OCR
├─ Umi-OCR.exe
├─ umi-ocr.sh **
├─ requirements.txt **
└─ UmiOCR-data
   ├─ main.py
   ├─ main_linux.py **
   ├─ version.py
   ├─ venv **
   │  └─ Python 虚拟环境
   ├─ qt_res
   │  └─ 项目qt资源，包括图标和qml源码
   ├─ py_src
   │  └─ 项目python源码
   ├─ plugins
   │  └─ 插件
   └─ i18n
      └─ 翻译文件