multi-ocr-py 0.2.1__tar.gz → 0.2.3__tar.gz

multi_ocr_py-0.2.3/PKG-INFO

@@ -0,0 +1,265 @@
+Metadata-Version: 2.4
+Name: multi-ocr-py
+Version: 0.2.3
+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>
+License-Expression: MIT
+License-File: LICENSE
+Keywords: cli,markdown,ocr,pdf,vision-language-model
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Classifier: Topic :: Scientific/Engineering :: Image Recognition
+Classifier: Topic :: Text Processing :: Markup :: Markdown
+Requires-Python: >=3.11
+Requires-Dist: liteparse
+Requires-Dist: ollama
+Requires-Dist: openai>=2.45.0
+Requires-Dist: pymupdf>=1.28.0
+Requires-Dist: tqdm>=4.67.0
+Description-Content-Type: text/markdown
+
+# multi-ocr-py
+
+多引擎 OCR 工具包，将 PDF 和图片转换为 Markdown 文档。
+
+- **CLI 工具**：全局安装后一行命令完成 OCR
+- **SDK 依赖**：作为 Python 库集成到你的项目中
+
+## 支持的引擎
+
+| 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 |
+
+
+> SiliconFlow 目前提供显示免费的 DeepSeek-OCR、PaddleOCR-VL-1.5 模型调用
+
+
+> 本地运行 Ollama + DeepSeek-OCR 参考：https://ollama.com/library/deepseek-ocr
+> 实测笔记本使用 NVIDIA RTX3060(6GB) 显卡即可流畅使用 Ollama + DeepSeek-OCR
+
+
+## 安装
+
+### CLI 全局安装
+
+```bash
+uv tool install multi-ocr-py
+# 或
+pip install multi-ocr-py
+```
+
+### SDK 依赖安装
+
+```bash
+pip install multi-ocr-py
+# 或
+uv add multi-ocr-py
+```
+
+## CLI 使用
+
+```bash
+# 单文件 OCR
+multi-ocr document.pdf
+
+# 指定引擎和页码范围
+multi-ocr document.pdf --model liteparse --pages 1-5
+
+# 批量处理目录，4个并发
+multi-ocr ./scans/ --model deepseek -j 4
+
+# 查看帮助
+multi-ocr -h
+```
+
+**可以使用 `--model` 参数指定模型：**
+
+```bash
+# SiliconFlow + DeepSeek-OCR
+multi-ocr document.pdf --model deepseek
+
+# SiliconFlow + PaddleOCR-VL-1.5
+multi-ocr document.pdf --model paddle
+
+# LiteParse
+multi-ocr document.pdf --model liteparse
+
+# Ollama + DeepSeek-OCR
+multi-ocr document.pdf --model ollama
+
+```
+
+
+### 环境变量配置
+
+使用前需要配置以下环境变量：
+
+| 引擎 | 环境变量 | 必需 | 说明 |
+|---|---|---|---|
+| SiliconFlow | `SILICONFLOW_API_KEY` | ✅ | API Key |
+| Ollama | `OLLAMA_BASE_URL` | ❌ | 服务地址，默认 http://127.0.0.1:11434 |
+
+```bash
+# 设置 SiliconFlow API Key
+export SILICONFLOW_API_KEY="your-api-key"
+
+# 可选：设置 Ollama 服务地址
+export OLLAMA_BASE_URL="http://192.168.1.100:11434"
+```
+
+
+## SDK 使用
+
+### 快速开始
+
+```python
+from pathlib import Path
+from multi_ocr import get_engine, ocr_file, ocr_directory
+
+# 创建引擎（provider 可选: siliconflow / liteparse / ollama）
+engine = get_engine(
+    provider="siliconflow",
+    model="deepseek-ai/DeepSeek-OCR",
+    api_key="your-api-key",
+)
+
+# 识别单张图片
+text = engine.parse_image(Path("scan.jpg"))
+
+# 识别 PDF 单文件，指定页码范围
+result = ocr_file(Path("document.pdf"), engine, pages="1-3")
+
+# 批量处理目录（图片或 PDF）
+ocr_directory(Path("./scans/"), engine, concurrency=4)
+```
+
+### API 参考
+
+#### `get_engine(provider, model, api_key, base_url=None)` → `OCREngine`
+
+创建 OCR 引擎实例。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `provider` | `str` | 引擎提供商：`"siliconflow"` / `"liteparse"` / `"ollama"` |
+| `model` | `str` | 模型名称，如 `"deepseek-ai/DeepSeek-OCR"` |
+| `api_key` | `str` | API 密钥（本地引擎可传空字符串） |
+| `base_url` | `str \| None` | 自定义 API 地址（仅 ollama 引擎使用） |
+
+```python
+# SiliconFlow + DeepSeek-OCR
+engine = get_engine("siliconflow", "deepseek-ai/DeepSeek-OCR", api_key="sk-xxx")
+
+# LiteParse（本地，无需 API Key）
+engine = get_engine("liteparse", "", api_key="")
+
+# Ollama + DeepSeek-OCR（本地）
+engine = get_engine("ollama", "deepseek-ocr:latest", api_key="", base_url="http://127.0.0.1:11434")
+```
+
+#### `engine.parse_image(image_path)` → `str`
+
+对单张图片进行 OCR，返回 Markdown 文本。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `image_path` | `Path` | 图片文件路径（支持 .png / .jpg / .jpeg） |
+
+```python
+from pathlib import Path
+text = engine.parse_image(Path("photo.jpg"))
+```
+
+#### `engine.parse_pdf(pdf_path, pages=None, concurrency=1)` → `str`
+
+解析 PDF 文件，返回 Markdown 文本。默认实现会拆页后调用 `parse_image()`，子类可覆盖（如 LiteParse 原生解析）。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `pdf_path` | `Path` | PDF 文件路径 |
+| `pages` | `str \| None` | 页码范围，如 `"1-3,5"`，`None` 表示全部 |
+| `concurrency` | `int` | 并发数，默认 1（串行），>1 时使用线程池 |
+
+```python
+from pathlib import Path
+# 解析全部页面
+result = engine.parse_pdf(Path("doc.pdf"))
+
+# 解析指定页面，4 并发
+result = engine.parse_pdf(Path("doc.pdf"), pages="1-5", concurrency=4)
+```
+
+#### `ocr_file(input_path, engine, pages=None, concurrency=1)` → `str`
+
+对单个文件执行 OCR 并保存为 `.md` 文件。自动判断图片/PDF。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `input_path` | `Path` | 输入文件路径（PDF 或图片） |
+| `engine` | `OCREngine` | OCR 引擎实例 |
+| `pages` | `str \| None` | 页码范围（仅 PDF 有效） |
+| `concurrency` | `int` | 并发数，默认 1 |
+
+```python
+from pathlib import Path
+from multi_ocr import ocr_file
+
+# 自动输出到同目录下的 .md 文件
+result = ocr_file(Path("document.pdf"), engine, pages="1-3")
+# → 已保存: document.md
+```
+
+#### `ocr_directory(input_dir, engine, concurrency=1)` → `None`
+
+批量处理目录下的图片或 PDF 文件。目录下只能有一种类型（全图片或全 PDF）。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `input_dir` | `Path` | 输入目录路径 |
+| `engine` | `OCREngine` | OCR 引擎实例 |
+| `concurrency` | `int` | 并发数，默认 1 |
+
+```python
+from pathlib import Path
+from multi_ocr import ocr_directory
+
+# 图片批量 → 输出 scans.md
+ocr_directory(Path("./scans/"), engine, concurrency=4)
+
+# PDF 批量 → 每个 PDF 各自输出 .md
+ocr_directory(Path("./pdfs/"), engine)
+```
+
+### 自定义引擎
+
+继承 `OCREngine` 实现自定义 OCR 引擎：
+
+```python
+from pathlib import Path
+from multi_ocr import OCREngine
+
+class MyEngine(OCREngine):
+    def parse_image(self, image_path: Path) -> str:
+        # 你的 OCR 逻辑
+        return "recognized text"
+
+    # parse_pdf 可选覆盖，默认实现会拆页后调用 parse_image()
+```
+
+## 要求
+
+- Python >= 3.11
+
+## 协议
+
+MIT License

multi_ocr_py-0.2.3/README.md

@@ -0,0 +1,239 @@
+# multi-ocr-py
+
+多引擎 OCR 工具包，将 PDF 和图片转换为 Markdown 文档。
+
+- **CLI 工具**：全局安装后一行命令完成 OCR
+- **SDK 依赖**：作为 Python 库集成到你的项目中
+
+## 支持的引擎
+
+| 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 |
+
+
+> SiliconFlow 目前提供显示免费的 DeepSeek-OCR、PaddleOCR-VL-1.5 模型调用
+
+
+> 本地运行 Ollama + DeepSeek-OCR 参考：https://ollama.com/library/deepseek-ocr
+> 实测笔记本使用 NVIDIA RTX3060(6GB) 显卡即可流畅使用 Ollama + DeepSeek-OCR
+
+
+## 安装
+
+### CLI 全局安装
+
+```bash
+uv tool install multi-ocr-py
+# 或
+pip install multi-ocr-py
+```
+
+### SDK 依赖安装
+
+```bash
+pip install multi-ocr-py
+# 或
+uv add multi-ocr-py
+```
+
+## CLI 使用
+
+```bash
+# 单文件 OCR
+multi-ocr document.pdf
+
+# 指定引擎和页码范围
+multi-ocr document.pdf --model liteparse --pages 1-5
+
+# 批量处理目录，4个并发
+multi-ocr ./scans/ --model deepseek -j 4
+
+# 查看帮助
+multi-ocr -h
+```
+
+**可以使用 `--model` 参数指定模型：**
+
+```bash
+# SiliconFlow + DeepSeek-OCR
+multi-ocr document.pdf --model deepseek
+
+# SiliconFlow + PaddleOCR-VL-1.5
+multi-ocr document.pdf --model paddle
+
+# LiteParse
+multi-ocr document.pdf --model liteparse
+
+# Ollama + DeepSeek-OCR
+multi-ocr document.pdf --model ollama
+
+```
+
+
+### 环境变量配置
+
+使用前需要配置以下环境变量：
+
+| 引擎 | 环境变量 | 必需 | 说明 |
+|---|---|---|---|
+| SiliconFlow | `SILICONFLOW_API_KEY` | ✅ | API Key |
+| Ollama | `OLLAMA_BASE_URL` | ❌ | 服务地址，默认 http://127.0.0.1:11434 |
+
+```bash
+# 设置 SiliconFlow API Key
+export SILICONFLOW_API_KEY="your-api-key"
+
+# 可选：设置 Ollama 服务地址
+export OLLAMA_BASE_URL="http://192.168.1.100:11434"
+```
+
+
+## SDK 使用
+
+### 快速开始
+
+```python
+from pathlib import Path
+from multi_ocr import get_engine, ocr_file, ocr_directory
+
+# 创建引擎（provider 可选: siliconflow / liteparse / ollama）
+engine = get_engine(
+    provider="siliconflow",
+    model="deepseek-ai/DeepSeek-OCR",
+    api_key="your-api-key",
+)
+
+# 识别单张图片
+text = engine.parse_image(Path("scan.jpg"))
+
+# 识别 PDF 单文件，指定页码范围
+result = ocr_file(Path("document.pdf"), engine, pages="1-3")
+
+# 批量处理目录（图片或 PDF）
+ocr_directory(Path("./scans/"), engine, concurrency=4)
+```
+
+### API 参考
+
+#### `get_engine(provider, model, api_key, base_url=None)` → `OCREngine`
+
+创建 OCR 引擎实例。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `provider` | `str` | 引擎提供商：`"siliconflow"` / `"liteparse"` / `"ollama"` |
+| `model` | `str` | 模型名称，如 `"deepseek-ai/DeepSeek-OCR"` |
+| `api_key` | `str` | API 密钥（本地引擎可传空字符串） |
+| `base_url` | `str \| None` | 自定义 API 地址（仅 ollama 引擎使用） |
+
+```python
+# SiliconFlow + DeepSeek-OCR
+engine = get_engine("siliconflow", "deepseek-ai/DeepSeek-OCR", api_key="sk-xxx")
+
+# LiteParse（本地，无需 API Key）
+engine = get_engine("liteparse", "", api_key="")
+
+# Ollama + DeepSeek-OCR（本地）
+engine = get_engine("ollama", "deepseek-ocr:latest", api_key="", base_url="http://127.0.0.1:11434")
+```
+
+#### `engine.parse_image(image_path)` → `str`
+
+对单张图片进行 OCR，返回 Markdown 文本。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `image_path` | `Path` | 图片文件路径（支持 .png / .jpg / .jpeg） |
+
+```python
+from pathlib import Path
+text = engine.parse_image(Path("photo.jpg"))
+```
+
+#### `engine.parse_pdf(pdf_path, pages=None, concurrency=1)` → `str`
+
+解析 PDF 文件，返回 Markdown 文本。默认实现会拆页后调用 `parse_image()`，子类可覆盖（如 LiteParse 原生解析）。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `pdf_path` | `Path` | PDF 文件路径 |
+| `pages` | `str \| None` | 页码范围，如 `"1-3,5"`，`None` 表示全部 |
+| `concurrency` | `int` | 并发数，默认 1（串行），>1 时使用线程池 |
+
+```python
+from pathlib import Path
+# 解析全部页面
+result = engine.parse_pdf(Path("doc.pdf"))
+
+# 解析指定页面，4 并发
+result = engine.parse_pdf(Path("doc.pdf"), pages="1-5", concurrency=4)
+```
+
+#### `ocr_file(input_path, engine, pages=None, concurrency=1)` → `str`
+
+对单个文件执行 OCR 并保存为 `.md` 文件。自动判断图片/PDF。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `input_path` | `Path` | 输入文件路径（PDF 或图片） |
+| `engine` | `OCREngine` | OCR 引擎实例 |
+| `pages` | `str \| None` | 页码范围（仅 PDF 有效） |
+| `concurrency` | `int` | 并发数，默认 1 |
+
+```python
+from pathlib import Path
+from multi_ocr import ocr_file
+
+# 自动输出到同目录下的 .md 文件
+result = ocr_file(Path("document.pdf"), engine, pages="1-3")
+# → 已保存: document.md
+```
+
+#### `ocr_directory(input_dir, engine, concurrency=1)` → `None`
+
+批量处理目录下的图片或 PDF 文件。目录下只能有一种类型（全图片或全 PDF）。
+
+| 参数 | 类型 | 说明 |
+|---|---|---|
+| `input_dir` | `Path` | 输入目录路径 |
+| `engine` | `OCREngine` | OCR 引擎实例 |
+| `concurrency` | `int` | 并发数，默认 1 |
+
+```python
+from pathlib import Path
+from multi_ocr import ocr_directory
+
+# 图片批量 → 输出 scans.md
+ocr_directory(Path("./scans/"), engine, concurrency=4)
+
+# PDF 批量 → 每个 PDF 各自输出 .md
+ocr_directory(Path("./pdfs/"), engine)
+```
+
+### 自定义引擎
+
+继承 `OCREngine` 实现自定义 OCR 引擎：
+
+```python
+from pathlib import Path
+from multi_ocr import OCREngine
+
+class MyEngine(OCREngine):
+    def parse_image(self, image_path: Path) -> str:
+        # 你的 OCR 逻辑
+        return "recognized text"
+
+    # parse_pdf 可选覆盖，默认实现会拆页后调用 parse_image()
+```
+
+## 要求
+
+- Python >= 3.11
+
+## 协议
+
+MIT License

{multi_ocr_py-0.2.1 → multi_ocr_py-0.2.3}/release.sh

@@ -21,9 +21,9 @@ echo "    新版本: $NEW_VERSION"
 echo "==> 构建包"
 hatch build
 
-# 4. 发布到 PyPI
+# 4. 发布到 PyPI（使用 UV_PUBLISH_TOKEN / UV_PUBLISH_PASSWORD）
 echo "==> 发布到 PyPI"
-hatch publish
+uv publish
 
 # 5. Git 提交 + Tag
 echo "==> Git 提交 & 打标签"

{multi_ocr_py-0.2.1 → multi_ocr_py-0.2.3}/src/multi_ocr/__init__.py

@@ -24,4 +24,4 @@ __all__ = [
     "ocr_directory",
 ]
 
-__version__ = "0.2.1"
+__version__ = "0.2.3"

{multi_ocr_py-0.2.1 → multi_ocr_py-0.2.3}/src/multi_ocr/cli.py

@@ -6,11 +6,15 @@
 - Ollama（本地 DeepSeek-OCR）
 
 用法:
-    python main.py <path> [--model MODEL] [--pages PAGES] [--api-key KEY] [--ollama-url URL]
+    multi-ocr <path> [--model MODEL] [--pages PAGES]
 
     <path> 可以是文件或目录：
     - 文件：单文件模式，自动判断图片/PDF
     - 目录：批量模式，目录下只能有一种类型的文件（全图片或全 PDF）
+
+环境变量:
+    SILICONFLOW_API_KEY    - SiliconFlow 引擎需要的 API Key
+    OLLAMA_BASE_URL        - Ollama 服务地址（默认 http://127.0.0.1:11434）
 """
 
 import argparse
@@ -22,22 +26,22 @@ from multi_ocr.engines import get_engine
 from multi_ocr.single import ocr_file
 from multi_ocr.batch import ocr_directory
 
-DEFAULT_MODEL = "silicon-deepseek-ocr"
+DEFAULT_MODEL = "liteparse"
 
 # --model 缩写 → (provider, model_name, description)
 MODEL_MAP: dict[str, tuple[str, str, str]] = {
-    "silicon-deepseek-ocr": (
+    "deepseek": (
         "siliconflow",
         "deepseek-ai/DeepSeek-OCR",
         "SiliconFlow + DeepSeek-OCR",
     ),
-    "silicon-paddle-ocr": (
+    "paddle": (
         "siliconflow",
         "PaddlePaddle/PaddleOCR-VL-1.5",
         "SiliconFlow + PaddleOCR-VL-1.5",
     ),
     "liteparse": ("liteparse", "", "LiteParse (本地 PDF 解析)"),
-    "ollama-deepseek-ocr": (
+    "ollama": (
         "ollama",
         "deepseek-ocr:latest",
         "Ollama + DeepSeek-OCR",
@@ -51,12 +55,10 @@ _PROVIDER_ENV: dict[str, str] = {
 }
 
 
-def _get_api_key(provider: str, cli_key: str | None) -> str | None:
-    """获取 API Key：命令行 > provider 专用环境变量。
+def _get_api_key(provider: str) -> str | None:
+    """获取 API Key：读取 provider 专用环境变量。
     Ollama / LiteParse 无需 API Key，返回空字符串。
     """
-    if cli_key:
-        return cli_key
     if provider in ("liteparse", "ollama"):
         return ""  # 本地引擎，无需 API Key
     env_var = _PROVIDER_ENV[provider]
@@ -71,22 +73,16 @@ def _build_model_help() -> str:
     return "\n".join(lines)
 
 
-def _build_api_key_help() -> str:
-    """动态生成 --api-key 参数的帮助文本。"""
-    lines = ["API Key（根据 --model 自动读取对应环境变量）:"]
-    for provider, env_var in _PROVIDER_ENV.items():
-        lines.append(f"  {provider} 模型 → {env_var}")
-    return "\n".join(lines)
-
-
 def main() -> None:
     parser = argparse.ArgumentParser(
-        description="将 PDF 或图片转换为文字。默认使用 SiliconFlow + DeepSeek-OCR。",
+        description="将 PDF 或图片转换为文字。默认使用 liteparse。",
         formatter_class=argparse.RawTextHelpFormatter,
     )
     parser.add_argument(
         "input",
+        nargs="?",
         type=Path,
+        default=None,
         help="输入文件路径（PDF 或图片）或目录路径（批量处理）",
     )
     parser.add_argument(
@@ -99,16 +95,6 @@ def main() -> None:
         default=None,
         help="页码范围，如 1-3,5（仅对单文件 PDF 有效）",
     )
-    parser.add_argument(
-        "--api-key",
-        default=None,
-        help=_build_api_key_help(),
-    )
-    parser.add_argument(
-        "--ollama-url",
-        default=None,
-        help="Ollama 服务地址（默认读取 OLLAMA_BASE_URL 环境变量，都没有则用 http://127.0.0.1:11434）",
-    )
     parser.add_argument(
         "-j",
         "--concurrency",
@@ -118,6 +104,11 @@ def main() -> None:
     )
     args = parser.parse_args()
 
+    # 没有提供参数时显示帮助信息
+    if args.input is None:
+        parser.print_help()
+        sys.exit(0)
+
     input_path: Path = args.input
 
     # 校验路径存在
@@ -145,18 +136,18 @@ def main() -> None:
         sys.exit(1)
     provider, model_name, _desc = entry
 
-    # API Key：命令行 > 环境变量（Ollama / LiteParse 跳过）
-    api_key = _get_api_key(provider, args.api_key)
+    # API Key：从环境变量读取（Ollama / LiteParse 跳过）
+    api_key = _get_api_key(provider)
     if not api_key and provider not in ("liteparse", "ollama"):
         env_var = _PROVIDER_ENV.get(provider, "")
         print(
-            f"请设置 {env_var} 环境变量或使用 --api-key 参数。",
+            f"请设置 {env_var} 环境变量。",
             file=sys.stderr,
         )
         sys.exit(1)
 
     # 获取 Ollama base_url（仅 ollama 引擎使用）
-    ollama_url = args.ollama_url or os.environ.get("OLLAMA_BASE_URL")
+    ollama_url = os.environ.get("OLLAMA_BASE_URL")
 
     # 并发数
     concurrency: int = args.concurrency

{multi_ocr_py-0.2.1 → multi_ocr_py-0.2.3}/uv.lock

@@ -234,7 +234,6 @@ wheels = [
 
 [[package]]
 name = "multi-ocr-py"
-version = "0.1.0"
 source = { editable = "." }
 dependencies = [
     { name = "liteparse" },

multi_ocr_py-0.2.1/PKG-INFO

@@ -1,129 +0,0 @@
-Metadata-Version: 2.4
-Name: multi-ocr-py
-Version: 0.2.1
-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>
-License-Expression: MIT
-License-File: LICENSE
-Keywords: cli,markdown,ocr,pdf,vision-language-model
-Classifier: Development Status :: 3 - Alpha
-Classifier: Intended Audience :: Developers
-Classifier: License :: OSI Approved :: MIT License
-Classifier: Programming Language :: Python :: 3
-Classifier: Programming Language :: Python :: 3.11
-Classifier: Programming Language :: Python :: 3.12
-Classifier: Programming Language :: Python :: 3.13
-Classifier: Topic :: Scientific/Engineering :: Image Recognition
-Classifier: Topic :: Text Processing :: Markup :: Markdown
-Requires-Python: >=3.11
-Requires-Dist: liteparse
-Requires-Dist: ollama
-Requires-Dist: openai>=2.45.0
-Requires-Dist: pymupdf>=1.28.0
-Requires-Dist: tqdm>=4.67.0
-Description-Content-Type: text/markdown
-
-# multi-ocr
-
-多引擎 OCR 工具包，将 PDF 和图片转换为 Markdown 文档。
-
-- **CLI 工具**：全局安装后一行命令完成 OCR
-- **SDK 依赖**：作为 Python 库集成到你的项目中
-
-## 支持的引擎
-
-| 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-py
-# 或
-pip install multi-ocr-py
-```
-
-### SDK 依赖安装
-
-```bash
-pip install multi-ocr-py
-# 或
-uv add multi-ocr-py
-```
-
-## CLI 使用
-
-```bash
-# 单文件 OCR
-multi-ocr document.pdf
-
-# 指定引擎和页码范围
-multi-ocr document.pdf --model liteparse --pages 1-5
-
-# 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 -h
-```
-
-### 环境变量
-
-| 引擎 | 环境变量 |
-|---|---|
-| SiliconFlow | `SILICONFLOW_API_KEY` |
-| Ollama | `OLLAMA_BASE_URL`（可选，默认 http://127.0.0.1:11434）|
-
-
-## SDK 使用
-
-```python
-from pathlib import Path
-from multi_ocr import get_engine, ocr_file, OCREngine
-
-# 创建引擎
-engine = get_engine(
-    provider="siliconflow",
-    model="deepseek-ai/DeepSeek-OCR",
-    api_key="your-api-key",
-)
-
-# 识别图片
-text = engine.parse_image(Path("scan.jpg"))
-
-# 识别 PDF
-result = ocr_file(Path("document.pdf"), engine, pages="1-3")
-
-# 批量处理目录
-from multi_ocr import ocr_directory
-ocr_directory(Path("./scans/"), engine, concurrency=4)
-```
-
-### 自定义引擎
-
-```python
-from multi_ocr import OCREngine
-
-class MyEngine(OCREngine):
-    def parse_image(self, image_path: Path) -> str:
-        # 你的 OCR 逻辑
-        return "recognized text"
-```
-
-## 要求
-
-- Python >= 3.11
-
-## 协议
-
-MIT License

multi_ocr_py-0.2.1/README.md

@@ -1,103 +0,0 @@
-# multi-ocr
-
-多引擎 OCR 工具包，将 PDF 和图片转换为 Markdown 文档。
-
-- **CLI 工具**：全局安装后一行命令完成 OCR
-- **SDK 依赖**：作为 Python 库集成到你的项目中
-
-## 支持的引擎
-
-| 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-py
-# 或
-pip install multi-ocr-py
-```
-
-### SDK 依赖安装
-
-```bash
-pip install multi-ocr-py
-# 或
-uv add multi-ocr-py
-```
-
-## CLI 使用
-
-```bash
-# 单文件 OCR
-multi-ocr document.pdf
-
-# 指定引擎和页码范围
-multi-ocr document.pdf --model liteparse --pages 1-5
-
-# 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 -h
-```
-
-### 环境变量
-
-| 引擎 | 环境变量 |
-|---|---|
-| SiliconFlow | `SILICONFLOW_API_KEY` |
-| Ollama | `OLLAMA_BASE_URL`（可选，默认 http://127.0.0.1:11434）|
-
-
-## SDK 使用
-
-```python
-from pathlib import Path
-from multi_ocr import get_engine, ocr_file, OCREngine
-
-# 创建引擎
-engine = get_engine(
-    provider="siliconflow",
-    model="deepseek-ai/DeepSeek-OCR",
-    api_key="your-api-key",
-)
-
-# 识别图片
-text = engine.parse_image(Path("scan.jpg"))
-
-# 识别 PDF
-result = ocr_file(Path("document.pdf"), engine, pages="1-3")
-
-# 批量处理目录
-from multi_ocr import ocr_directory
-ocr_directory(Path("./scans/"), engine, concurrency=4)
-```
-
-### 自定义引擎
-
-```python
-from multi_ocr import OCREngine
-
-class MyEngine(OCREngine):
-    def parse_image(self, image_path: Path) -> str:
-        # 你的 OCR 逻辑
-        return "recognized text"
-```
-
-## 要求
-
-- Python >= 3.11
-
-## 协议
-
-MIT License