multi-ocr-py 0.1.0__tar.gz → 0.2.2__tar.gz

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: multi-ocr-py
-Version: 0.1.0
+Version: 0.2.2
 Summary: 多引擎 OCR 工具包：将 PDF 和图片转换为 Markdown，支持 CLI 全局安装和 SDK 依赖两种使用方式
 Project-URL: Repository, https://github.com/BlackBoxRecorder/multi-ocr
 Author-email: Yinnan <im.yinnan@outlook.com>
@@ -33,30 +33,32 @@ Description-Content-Type: text/markdown
 
 ## 支持的引擎
 
-| 引擎 | 说明 | 类型 |
-|---|---|---|
-| SiliconFlow + DeepSeek-OCR | 云端 OCR，精度高 | API |
-| SiliconFlow + PaddleOCR-VL-1.5 | 云端 OCR，轻量快速 | API |
-| DashScope + Qwen-VL-OCR | 阿里云百炼 | API |
-| LiteParse | 本地 PDF 解析，无需联网 | 本地 |
-| Ollama + DeepSeek-OCR | 本地部署 OCR | 本地 |
+| 引擎 | 说明 | 类型 | 场景 | 费用 |
+|---|---|---|---|---|
+| SiliconFlow + DeepSeek-OCR | 云端 OCR，精度高 | API | 图片+PDF | 免费 |
+| SiliconFlow + PaddleOCR-VL-1.5 | 云端 OCR，轻量快速 | API | 图片+PDF  | 免费 |
+| LiteParse | 本地 PDF 解析，无需联网 | 本地 | PDF  | 免费 |
+| Ollama + DeepSeek-OCR | 本地部署 OCR | 本地 | 图片+PDF  | 免费 |
+
+
+> 本地运行 ollama 参考：https://ollama.com/library/deepseek-ocr
 
 ## 安装
 
 ### CLI 全局安装
 
 ```bash
-uv tool install multi-ocr
+uv tool install multi-ocr-py
 # 或
-pip install multi-ocr
+pip install multi-ocr-py
 ```
 
 ### SDK 依赖安装
 
 ```bash
-pip install multi-ocr
+pip install multi-ocr-py
 # 或
-uv add multi-ocr
+uv add multi-ocr-py
 ```
 
 ## CLI 使用
@@ -66,13 +68,13 @@ uv add multi-ocr
 multi-ocr document.pdf
 
 # 指定引擎和页码范围
-multi-ocr document.pdf --model dashscope-qwen-vl-ocr --pages 1-5
+multi-ocr document.pdf --model liteparse --pages 1-5
 
-# 批量处理目录
+# 批量处理目录，4个并发
 multi-ocr ./scans/ --model silicon-deepseek-ocr -j 4
 
 # 查看帮助
-multi-ocr --help
+multi-ocr -h
 ```
 
 ### 环境变量
@@ -80,10 +82,8 @@ multi-ocr --help
 | 引擎 | 环境变量 |
 |---|---|
 | SiliconFlow | `SILICONFLOW_API_KEY` |
-| DashScope | `DASHSCOPE_API_KEY` |
 | Ollama | `OLLAMA_BASE_URL`（可选，默认 http://127.0.0.1:11434）|
 
-也可通过 `--api-key` 参数直接传入。
 
 ## SDK 使用
 

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/README.md

@@ -7,30 +7,32 @@
 
 ## 支持的引擎
 
-| 引擎 | 说明 | 类型 |
-|---|---|---|
-| SiliconFlow + DeepSeek-OCR | 云端 OCR，精度高 | API |
-| SiliconFlow + PaddleOCR-VL-1.5 | 云端 OCR，轻量快速 | API |
-| DashScope + Qwen-VL-OCR | 阿里云百炼 | API |
-| LiteParse | 本地 PDF 解析，无需联网 | 本地 |
-| Ollama + DeepSeek-OCR | 本地部署 OCR | 本地 |
+| 引擎 | 说明 | 类型 | 场景 | 费用 |
+|---|---|---|---|---|
+| SiliconFlow + DeepSeek-OCR | 云端 OCR，精度高 | API | 图片+PDF | 免费 |
+| SiliconFlow + PaddleOCR-VL-1.5 | 云端 OCR，轻量快速 | API | 图片+PDF  | 免费 |
+| LiteParse | 本地 PDF 解析，无需联网 | 本地 | PDF  | 免费 |
+| Ollama + DeepSeek-OCR | 本地部署 OCR | 本地 | 图片+PDF  | 免费 |
+
+
+> 本地运行 ollama 参考：https://ollama.com/library/deepseek-ocr
 
 ## 安装
 
 ### CLI 全局安装
 
 ```bash
-uv tool install multi-ocr
+uv tool install multi-ocr-py
 # 或
-pip install multi-ocr
+pip install multi-ocr-py
 ```
 
 ### SDK 依赖安装
 
 ```bash
-pip install multi-ocr
+pip install multi-ocr-py
 # 或
-uv add multi-ocr
+uv add multi-ocr-py
 ```
 
 ## CLI 使用
@@ -40,13 +42,13 @@ uv add multi-ocr
 multi-ocr document.pdf
 
 # 指定引擎和页码范围
-multi-ocr document.pdf --model dashscope-qwen-vl-ocr --pages 1-5
+multi-ocr document.pdf --model liteparse --pages 1-5
 
-# 批量处理目录
+# 批量处理目录，4个并发
 multi-ocr ./scans/ --model silicon-deepseek-ocr -j 4
 
 # 查看帮助
-multi-ocr --help
+multi-ocr -h
 ```
 
 ### 环境变量
@@ -54,10 +56,8 @@ multi-ocr --help
 | 引擎 | 环境变量 |
 |---|---|
 | SiliconFlow | `SILICONFLOW_API_KEY` |
-| DashScope | `DASHSCOPE_API_KEY` |
 | Ollama | `OLLAMA_BASE_URL`（可选，默认 http://127.0.0.1:11434）|
 
-也可通过 `--api-key` 参数直接传入。
 
 ## SDK 使用
 

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-cli-args-design.md

@@ -49,19 +49,18 @@ python main.py <path> [--model MODEL] [--pages PAGES] [--api-key KEY] [--ollama-
 |------|---------------------------|---------------------------|
 | liteparse | ❌ 不支持 | ✅ 支持 |
 | siliconflow | ✅ 支持 | ❌ 不支持 |
-| dashscope | ✅ 支持 | ❌ 不支持 |
 | ollama | ✅ 支持 | ❌ 不支持 |
 
 ### 单文件模式下的自动转换
 
-| 输入类型 | liteparse | 其他引擎 (siliconflow/dashscope/ollama) |
+| 输入类型 | liteparse | 其他引擎 (siliconflow/ollama) |
 |---------|----------|---------------------------------------|
 | 图片 | 转为单页 PDF → `parse_pdf()` | 直接 `parse_image()` |
 | PDF | 直接 `parse_pdf()` | 拆为图片 → `parse_image()` 逐页识别 |
 
 ### 批量模式下的自动转换
 
-| 输入类型 | liteparse | 其他引擎 (siliconflow/dashscope/ollama) |
+| 输入类型 | liteparse | 其他引擎 (siliconflow/ollama) |
 |---------|----------|---------------------------------------|
 | 图片目录 | 合并为 PDF → `parse_pdf()` | 逐张 `parse_image()` → 合并输出 |
 | PDF 目录 | 逐文件 `parse_pdf()` | 逐文件拆为图片 → `parse_image()` 逐页识别 |
@@ -128,7 +127,6 @@ python main.py <path> [--model MODEL] [--pages PAGES] [--api-key KEY] [--ollama-
 | `ocr.py` | `recognize()` → `parse_image()` 调用更新 |
 | `engines/base.py` | `recognize()` 重命名为 `parse_image()` |
 | `engines/siliconflow.py` | `recognize()` 重命名为 `parse_image()` |
-| `engines/dashscope.py` | `recognize()` 重命名为 `parse_image()` |
 | `engines/ollama.py` | `recognize()` 重命名为 `parse_image()` |
 | `engines/liteparse.py` | `recognize()` → `parse_image()` 或抛出 NotImplementedError（如有实现） |
 | `tests/test_batch.py` | 新增混合目录报错测试；更新对应测试用例；`recognize()` → `parse_image()` |

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-concurrency-design.md

@@ -67,7 +67,7 @@ with ThreadPoolExecutor(max_workers=concurrency) as executor:
 
 ### 引擎线程安全
 
-- API 引擎（SiliconFlow、DashScope、Ollama）：HTTP 客户端 `OpenAI` 实例本身是线程安全的，多个线程共享同一引擎实例并发调用 `parse_image()` 没有问题
+- API 引擎（SiliconFlow、Ollama）：HTTP 客户端 `OpenAI` 实例本身是线程安全的，多个线程共享同一引擎实例并发调用 `parse_image()` 没有问题
 - LiteParse：该引擎覆盖了 `parse_pdf()`，不走默认逐页实现，因此不受并发改动影响
 
 ### 特殊情况处理
@@ -117,7 +117,7 @@ python main.py ./images
 | `engines/base.py` | `OCREngine.parse_pdf()` | `concurrency: int = 1` |
 | `main.py` | `main()` | 解析 `-j` 参数并向下传递 |
 
-引擎子类（SiliconFlow、DashScope、Ollama）**无需修改**，仅有 LiteParse 覆盖了 `parse_pdf()` 签名，需补上 `concurrency` 参数以保持兼容（内部忽略该参数）。
+引擎子类（SiliconFlow、Ollama）**无需修改**，仅有 LiteParse 覆盖了 `parse_pdf()` 签名，需补上 `concurrency` 参数以保持兼容（内部忽略该参数）。
 
 ## Testing
 

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-engine-refactor-design.md

@@ -38,7 +38,6 @@ multi-ocr/
 │   ├── __init__.py      # 注册表 + get_engine()
 │   ├── base.py          # OCREngine（parse_image + parse_pdf 均为 abstract）
 │   ├── siliconflow.py   # + parse_pdf
-│   ├── dashscope.py     # + parse_pdf
 │   ├── ollama.py        # + parse_pdf
 │   └── liteparse.py     # 不变
 └── tests/
@@ -66,7 +65,7 @@ class OCREngine(ABC):
 
 ## 各引擎实现
 
-### siliconflow / dashscope / ollama
+### siliconflow / ollama
 
 `parse_image` 不变。`parse_pdf` 统一模式：
 
@@ -197,7 +196,6 @@ def ocr_file(
 |------|----------|
 | `engines/base.py` | 修改 — `parse_pdf` 改为 abstractmethod |
 | `engines/siliconflow.py` | 修改 — 新增 `parse_pdf` |
-| `engines/dashscope.py` | 修改 — 新增 `parse_pdf` |
 | `engines/ollama.py` | 修改 — 新增 `parse_pdf` |
 | `engines/liteparse.py` | 不变 |
 | `pdf_utils.py` | 修改 — 新增 `split_pdf` |

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-liteparse-engine-design.md

@@ -4,7 +4,7 @@
 
 新增 LiteParse 作为本地 PDF 解析引擎。LiteParse 是一个基于 Rust 的开源文档解析库，Python 包 `liteparse` 可直接调用，无需 API Key、无需联网，能直接解析 PDF 并输出 markdown。
 
-与现有云端引擎（SiliconFlow、DashScope）不同，LiteParse **仅处理 PDF**，不处理图片。同时，本次统一所有引擎的输出格式为 markdown，保存扩展名改为 `.md`。
+与现有云端引擎（如 SiliconFlow）不同，LiteParse **仅处理 PDF**，不处理图片。同时，本次统一所有引擎的输出格式为 markdown，保存扩展名改为 `.md`。
 
 ## 引擎接口扩展
 
@@ -58,7 +58,6 @@ class LiteParseEngine(OCREngine):
 
 ```python
 _registry: dict[str, type[OCREngine]] = {
-    "dashscope": DashScopeEngine,
     "siliconflow": SiliconFlowEngine,
     "liteparse": LiteParseEngine,
 }

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-model-shorthand-design.md

@@ -10,14 +10,12 @@
 
 ```bash
 python main.py input.pdf --provider siliconflow --model deepseek-ai/DeepSeek-OCR
-python main.py input.pdf --provider dashscope --model qwen3.5-ocr
 ```
 
 改为缩写后：
 
 ```bash
 python main.py input.pdf --model silicon-deepseek-ocr
-python main.py input.pdf --model dashscope-qwen-ocr
 ```
 
 ## MODEL_MAP 定义
@@ -28,8 +26,6 @@ python main.py input.pdf --model dashscope-qwen-ocr
 MODEL_MAP: dict[str, tuple[str, str, str]] = {
     "silicon-deepseek-ocr":  ("siliconflow", "deepseek-ai/DeepSeek-OCR",       "SiliconFlow + DeepSeek-OCR"),
     "silicon-paddle-ocr":    ("siliconflow", "PaddlePaddle/PaddleOCR-VL-1.5",  "SiliconFlow + PaddleOCR-VL-1.5"),
-    "dashscope-qwen-ocr":    ("dashscope",   "qwen3.5-ocr",                    "DashScope + Qwen-OCR"),
-    "dashscope-qwen-vl-ocr": ("dashscope",   "qwen-vl-ocr",                    "DashScope + Qwen-VL-OCR"),
 }
 ```
 
@@ -64,16 +60,13 @@ DEFAULT_MODEL = "silicon-deepseek-ocr"
                     可用模型:
                       silicon-deepseek-ocr   → SiliconFlow + DeepSeek-OCR
                       silicon-paddle-ocr     → SiliconFlow + PaddleOCR-VL-1.5
-                      dashscope-qwen-ocr     → DashScope + Qwen-OCR
-                      dashscope-qwen-vl-ocr  → DashScope + Qwen-VL-OCR
 ```
 
 `--api-key` 的 help 提示用户根据模型配置对应环境变量：
 
 ```
 --api-key API_KEY   API Key（根据 --model 自动读取对应环境变量：
-                      siliconflow 模型 → SILICONFLOW_API_KEY
-                      dashscope 模型   → DASHSCOPE_API_KEY）
+                        siliconflow 模型 → SILICONFLOW_API_KEY）
 ```
 
 ## 主流程变更（`main.py`）
@@ -106,7 +99,6 @@ ocr_file(...) → 执行 OCR
 | 场景 | 预期 |
 |------|------|
 | `--model silicon-deepseek-ocr` | 正确推导 provider=SiliconFlow，使用 DeepSeek-OCR |
-| `--model dashscope-qwen-ocr` | 正确推导 provider=DashScope，使用 qwen3.5-ocr |
 | `--model invalid-model` | 报错退出，列出所有可用缩写 |
 | 不传 `--model` | 使用默认值 `silicon-deepseek-ocr` |
 | 未设置对应环境变量 | 提示设置对应环境变量（如 SILICONFLOW_API_KEY） |

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-15-pdf-progress-design.md

@@ -6,7 +6,7 @@
 
 ## 背景
 
-当前 `ocr_file()` 对 PDF 逐页调用 OCR API 时没有任何进度提示。批量模式仅有文件级 tqdm，不显示页级进度。三个引擎（SiliconFlow / DashScope / Ollama）各自实现了完全相同的 `parse_pdf()` 逐页迭代逻辑。
+当前 `ocr_file()` 对 PDF 逐页调用 OCR API 时没有任何进度提示。批量模式仅有文件级 tqdm，不显示页级进度。三个引擎（SiliconFlow / Ollama）各自实现了完全相同的 `parse_pdf()` 逐页迭代逻辑。
 
 ## 各模式进度行为
 
@@ -28,7 +28,7 @@
 - 新增 `from typing import Callable`、`import shutil`、`from pdf_utils import split_pdf`
 - 方法体：`split_pdf()` → 逐页 `parse_image()` → 每页调用 `progress_callback()` → 合并结果
 
-### 2. `engines/siliconflow.py` / `dashscope.py` / `ollama.py` — 删除重复代码
+### 2. `engines/siliconflow.py` / `ollama.py` — 删除重复代码
 
 - 删除各自的 `parse_pdf()` 方法（每个约 12 行）
 - 删除不再需要的 `import shutil` 和 `from pdf_utils import split_pdf`

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/docs/superpowers/specs/2026-07-16-src-package-restructure-design.md

@@ -20,7 +20,6 @@ multi-ocr/
 │       └── engines/
 │           ├── __init__.py      # 引擎注册表 + get_engine() 工厂
 │           ├── base.py          # OCREngine 抽象基类
-│           ├── dashscope.py     # DashScope 引擎
 │           ├── liteparse.py     # LiteParse 引擎（可选依赖）
 │           ├── ollama.py        # Ollama 引擎
 │           └── siliconflow.py   # SiliconFlow 引擎

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "multi-ocr-py"
-version = "0.1.0"
+dynamic = ["version"]
 description = "多引擎 OCR 工具包：将 PDF 和图片转换为 Markdown，支持 CLI 全局安装和 SDK 依赖两种使用方式"
 readme = "README.md"
 license = "MIT"
@@ -42,6 +42,9 @@ build-backend = "hatchling.build"
 [tool.hatch.build.targets.wheel]
 packages = ["src/multi_ocr"]
 
+[tool.hatch.version]
+path = "src/multi_ocr/__init__.py"
+
 [tool.pytest.ini_options]
 pythonpath = ["src"]
 

multi_ocr_py-0.2.2/release.sh

@@ -0,0 +1,36 @@
+#!/usr/bin/env bash
+set -euo pipefail
+
+PART="${1:-minor}"
+
+echo "==> multi-ocr 发布流程开始"
+
+# 1. 检查 git 状态
+if [ -n "$(git status --porcelain)" ]; then
+    echo "==> 错误: 工作区有未提交的变更"
+    exit 1
+fi
+
+# 2. 升级版本号
+echo "==> 升级版本 ($PART)"
+hatch version "$PART"
+NEW_VERSION=$(hatch version)
+echo "    新版本: $NEW_VERSION"
+
+# 3. 构建
+echo "==> 构建包"
+hatch build
+
+# 4. 发布到 PyPI（使用 UV_PUBLISH_TOKEN / UV_PUBLISH_PASSWORD）
+echo "==> 发布到 PyPI"
+uv publish
+
+# 5. Git 提交 + Tag
+echo "==> Git 提交 & 打标签"
+git add -A
+git commit -m "chore: release v${NEW_VERSION}"
+git tag "v${NEW_VERSION}"
+git push
+git push --tags
+
+echo "==> v${NEW_VERSION} 发布完成！"

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/src/multi_ocr/__init__.py

@@ -23,3 +23,5 @@ __all__ = [
     "ocr_file",
     "ocr_directory",
 ]
+
+__version__ = "0.2.2"

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/src/multi_ocr/batch.py

@@ -65,7 +65,7 @@ def _batch_images(
             ):
                 idx = future_to_idx[future]
                 results[idx] = future.result()
-        merged = "\n\n".join(r for r in results if r is not None)
+        merged = engine.merge_results([r for r in results if r is not None])
     else:
         results = []
         for img_path in tqdm(
@@ -73,7 +73,7 @@ def _batch_images(
         ):
             text = engine.parse_image(img_path)
             results.append(text)
-        merged = "\n\n".join(results)
+        merged = engine.merge_results(results)
 
     output_path = input_dir.with_suffix(".md")
     output_path.write_text(merged, encoding="utf-8")

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/src/multi_ocr/cli.py

@@ -2,7 +2,6 @@
 
 支持多种 OCR 引擎:
 - SiliconFlow（DeepSeek-OCR / PaddleOCR-VL-1.5）
-- DashScope（Qwen-VL-OCR）
 - LiteParse（本地 PDF 解析）
 - Ollama（本地 DeepSeek-OCR）
 
@@ -37,7 +36,6 @@ MODEL_MAP: dict[str, tuple[str, str, str]] = {
         "PaddlePaddle/PaddleOCR-VL-1.5",
         "SiliconFlow + PaddleOCR-VL-1.5",
     ),
-    "dashscope-qwen-vl-ocr": ("dashscope", "qwen-vl-ocr", "DashScope + Qwen-VL-OCR"),
     "liteparse": ("liteparse", "", "LiteParse (本地 PDF 解析)"),
     "ollama-deepseek-ocr": (
         "ollama",
@@ -49,7 +47,6 @@ MODEL_MAP: dict[str, tuple[str, str, str]] = {
 # provider -> 环境变量名
 _PROVIDER_ENV: dict[str, str] = {
     "siliconflow": "SILICONFLOW_API_KEY",
-    "dashscope": "DASHSCOPE_API_KEY",
     # ollama / liteparse 为本地引擎，不需要 API Key
 }
 

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/src/multi_ocr/engines/__init__.py

@@ -1,5 +1,4 @@
 from multi_ocr.engines.base import OCREngine
-from multi_ocr.engines.dashscope import DashScopeEngine
 from multi_ocr.engines.ollama import OllamaEngine
 from multi_ocr.engines.siliconflow import SiliconFlowEngine
 
@@ -14,7 +13,6 @@ except ImportError:
 # 引擎注册表：provider 名 -> Engine 类
 # 添加新提供商时只需在此注册
 _registry: dict[str, type[OCREngine]] = {
-    "dashscope": DashScopeEngine,
     "ollama": OllamaEngine,
     "siliconflow": SiliconFlowEngine,
 }
@@ -24,7 +22,7 @@ if _HAS_LITEPARSE:
 
 
 def get_engine(
-    provider: str, model: str, api_key: str, base_url: str | None = None
+    provider: str, model: str, api_key: str, base_url: str | None = None, **extra_kwargs
 ) -> OCREngine:
     """工厂函数：按 provider 名查找并实例化 OCR 引擎。
 
@@ -44,6 +42,7 @@ def get_engine(
     if engine_cls is None:
         available = ", ".join(_registry.keys())
         raise ValueError(f"未知的 OCR 提供商: {provider}，当前可用: {available}")
+    kwargs: dict = dict(extra_kwargs)
     if base_url is not None:
-        return engine_cls(model=model, api_key=api_key, base_url=base_url)
-    return engine_cls(model=model, api_key=api_key)
+        kwargs["base_url"] = base_url
+    return engine_cls(model=model, api_key=api_key, **kwargs)

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/src/multi_ocr/engines/base.py

@@ -10,6 +10,10 @@ from multi_ocr.pdf_utils import split_pdf
 class OCREngine(ABC):
     """OCR 引擎抽象基类。所有 OCR 引擎必须实现此接口。"""
 
+    def merge_results(self, results: list[str]) -> str:
+        """合并多条返回结果。默认用双换行分隔，JSON 引擎可覆写为数组格式。"""
+        return "\n\n".join(results)
+
     @abstractmethod
     def parse_image(self, image_path: Path) -> str:
         """对单张图片进行 OCR，返回 markdown 文本。
@@ -56,7 +60,7 @@ class OCREngine(ABC):
                     results.append(f"--- 第 {label} 页 ---\n{text}")
                     if progress_callback:
                         progress_callback()
-            return "\n\n".join(results)
+            return self.merge_results(results)
         finally:
             if image_paths:
                 shutil.rmtree(image_paths[0].parent, ignore_errors=True)

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/tests/test_engines.py

@@ -19,15 +19,6 @@ class TestGetEngine:
         assert isinstance(engine, SiliconFlowEngine)
         assert engine._model == "test-model"
 
-    def test_known_provider_dashscope(self) -> None:
-        engine = get_engine(
-            provider="dashscope", model="qwen-vl-ocr", api_key="test-key"
-        )
-        from multi_ocr.engines.dashscope import DashScopeEngine
-
-        assert isinstance(engine, DashScopeEngine)
-        assert engine._model == "qwen-vl-ocr"
-
     def test_unknown_provider(self) -> None:
         with pytest.raises(ValueError, match="未知的 OCR 提供商"):
             get_engine(provider="nonexistent", model="m", api_key="k")

{multi_ocr_py-0.1.0 → multi_ocr_py-0.2.2}/uv.lock

@@ -233,9 +233,9 @@ wheels = [
 ]
 
 [[package]]
-name = "multi-ocr"
+name = "multi-ocr-py"
 version = "0.1.0"
-source = { virtual = "." }
+source = { editable = "." }
 dependencies = [
     { name = "liteparse" },
     { name = "ollama" },

multi_ocr_py-0.1.0/src/multi_ocr/engines/dashscope.py

@@ -1,85 +0,0 @@
-import base64
-import re
-from pathlib import Path
-
-from openai import OpenAI
-
-from multi_ocr.engines.base import OCREngine
-
-
-class DashScopeEngine(OCREngine):
-    """DashScope (阿里云百炼) OCR 引擎，兼容 OpenAI SDK。
-
-    支持 Qwen-VL-OCR 模型，通过 OpenAI 兼容接口调用。
-    参考文档：https://help.aliyun.com/zh/model-studio/qwen-ocr
-
-    默认为通用 OCR 场景，如需使用内置任务（高精识别、表格解析、信息抽取等），
-    可参照文档在 prompt 中传入对应指令。
-    """
-
-    BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1"
-
-    # 模型名称 -> 提示词映射（按前缀匹配）
-    _PROMPT_MAP: dict[str, str] = {
-        "qwen-vl-ocr": "OCR this image and output in markdown format.",
-    }
-
-    _FALLBACK_PROMPT = "OCR this image and output in markdown format."
-
-    def __init__(self, model: str, api_key: str, base_url: str | None = None) -> None:
-        self._model = model
-        self._client = OpenAI(
-            api_key=api_key,
-            base_url=base_url or self.BASE_URL,
-            timeout=120.0,
-        )
-
-    def _get_prompt(self) -> str:
-        """根据模型名称匹配对应的提示词，未匹配则使用默认提示词。"""
-        for prefix, prompt in self._PROMPT_MAP.items():
-            if prefix in self._model:
-                return prompt
-        return self._FALLBACK_PROMPT
-
-    def parse_image(self, image_path: Path) -> str:
-        with open(image_path, "rb") as f:
-            image_data = base64.b64encode(f.read()).decode("utf-8")
-
-        # 根据扩展名确定 MIME 类型
-        suffix = image_path.suffix.lower()
-        mime_map = {".png": "image/png", ".jpg": "image/jpeg", ".jpeg": "image/jpeg"}
-        mime_type = mime_map.get(suffix, "image/png")
-
-        data_url = f"data:{mime_type};base64,{image_data}"
-
-        prompt = self._get_prompt()
-
-        response = self._client.chat.completions.create(
-            model=self._model,
-            messages=[
-                {
-                    "role": "user",
-                    "content": [
-                        {
-                            "type": "image_url",
-                            "image_url": {"url": data_url},
-                        },
-                        {
-                            "type": "text",
-                            "text": prompt,
-                        },
-                    ],
-                }
-            ],
-        )
-
-        content = response.choices[0].message.content
-        if not content:
-            return ""
-        # 清理模型可能输出的特殊标记
-        content = re.sub(r"<\|/?ref\|>", "", content)
-        content = re.sub(r"<\|/?det\|>", "", content)
-        # 剥离 markdown 代码块包裹（如 ```markdown ... ```）
-        content = re.sub(r"^```(?:markdown)?\s*\n", "", content, count=1)
-        content = re.sub(r"\n```\s*$", "", content)
-        return content.strip()