rapid-doc 0.5.0

A practical tool for converting PDF to Markdown

RapidDoc – 高速文档解析系统

😺 项目介绍

RapidDoc 是一个轻量级、专注于文档解析的开源框架，支持 OCR、版面分析、公式识别、表格识别和阅读顺序恢复 等多种功能。

框架基于 Mineru 二次开发，移除 VLM，专注于 Pipeline 产线下的高效文档解析，在 CPU 上也能保持不错的解析速度。

本项目所使用的核心模型主要来源于 PaddleOCR 的 PP-StructureV3 系列（OCR、版面分析、公式识别、阅读顺序恢复，以及部分表格识别模型），并已全部转换为 ONNX 格式，支持在 CPU/GPU 上高效推理。

KittyDoc 已经成为 RapidAI 开源家族成员

---

✨如果该项目对您有帮助，您的star是我不断优化的动力！！！

• github点击前往
• gitee点击前往

👏 项目特点

• OCR 识别

  • 使用 RapidOCR 支持多种推理引擎
  • CPU 下默认使用 OpenVINO，GPU 下默认使用 torch

• 版面识别

  • 模型使用 PP-DocLayout 系列 ONNX 模型（plus-L、L、M、S）
    • PP-DocLayout_plus-L：效果最好，速度稍慢，默认使用
    • PP-DocLayout-L：速度快，效果也不错
    • PP-DocLayout-S：速度极快，存在部分漏检

• 公式识别

  • 使用 PP-FormulaNet_plus 系列 ONNX 模型（L、M、S）
    • PP-FormulaNet_plus-L：速度慢，支持onnx
    • PP-FormulaNet_plus-M：默认使用，支持onnx和torch
    • PP-FormulaNet_plus-S：速度最快，支持onnx，复杂公式精度不够
  • 支持配置只识别行间公式
  • cuda环境，默认使用torch推理，公式模型onnx gpu推理会报错，暂时无人解决 PaddleOCR/issues/15125, PaddleX/issues/4238, Paddle2ONNX/issues/1593

• 表格识别

  • 基于 rapid_table_self 增强，在原有基础上增强为多模型串联方案：
    • 表格分类（区分有线/无线表格）
    • 有线表格识别UNET + SLANET_plus/UNITABLE（作为无线表格识别）

• 阅读顺序恢复

  • 使用 PP-StructureV3 阅读顺序恢复算法，基于xycut算法和版面的结果
  • 速度快效果好，支持多栏、竖排等复杂版面，和V3不开启版面子模块检测效果一致

• 推理方式

  • 所有模型通过 ONNXRuntime 推理，OCR可配置其他推理引擎
  • 除了 OCR 和 PP-DocLayout-M/S 模型，OpenVINO推理会报错，暂时难以解决。PaddleOCR/issues/16277

---

🛠️ 安装RapidDoc

使用pip安装

pip install rapid-doc[cpu] -i https://mirrors.aliyun.com/pypi/simple
或
pip install rapid-doc[gpu] -i https://mirrors.aliyun.com/pypi/simple

通过源码安装

# 克隆仓库
git clone https://github.com/RapidAI/RapidDoc.git
cd RapidDoc

# 安装依赖
pip install -e .[cpu] -i https://mirrors.aliyun.com/pypi/simple
或
pip install -e .[gpu] -i https://mirrors.aliyun.com/pypi/simple

使用gpu推理

# rapid-doc[gpu] 默认安装 onnxruntime-gpu 最新版
# 需要确定onnxruntime-gpu与GPU对应，参考 https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements

# 在 Python 中指定 GPU（必须在导入 rapid_doc 之前设置）
import os
# 使用默认 GPU（cuda:0）
os.environ['MINERU_DEVICE_MODE'] = "cuda"
# 或指定 GPU 编号，例如使用第二块 GPU（cuda:1）
os.environ['MINERU_DEVICE_MODE'] = "cuda:1"

使用docker部署RapidDoc

RapidDoc提供了便捷的docker部署方式，这有助于快速搭建环境并解决一些棘手的环境兼容问题。

您可以在文档中获取 Docker部署说明，镜像已推送至 Docker Hub。

---

在线体验

基于Gradio的在线demo

基于gradio开发的webui，界面简洁，仅包含核心解析功能，免登录

• 

---

📋 使用示例

• 代码示例

• 参数介绍

• FastAPI 示例

---

模型下载

不指定模型路径，初次运行时，会自动下载

• RapidDoc 模型集（版面/公式/表格）
• RapidOCR 模型
• 部分表格模型RapidTable

---

📌 TODO

• 跨页表格合并

• 复选框识别，使用opencv（默认关闭、opencv识别存在误检）

• 提供 fastapi，支持cpu和gpu版本的docker镜像构建

• 文本型pdf，表格非OCR文本提取

• 文本型pdf，使用pypdfium2提取文本框bbox

• 文本型pdf，支持0/90/270度三个方向的表格解析

• 文本型pdf，使用pypdfium2提取原始图片（默认截图会导致清晰度降低和图片边界可能丢失部分）

• 表格内公式提取

• 表格内图片提取

• 优化阅读顺序，支持多栏、竖排等复杂版面恢复

• 公式支持torch推理，可用GPU加速

• 版面、表格支持openvino

• 支持 PP-DocLayoutV2 版面识别+阅读顺序

• 支持 PaddleOCR-VL（vlm-http-client模式）

• 公式支持openvino

• RapidDoc4j（Java版本）

🙏 致谢

• MinerU
• PaddleOCR & PP-StructureV3
• RapidOCR

⚖️ 开源许可

基于 MinerU 改造而来，已移除原项目中的 YOLO 模型，并替换为 PP-StructureV3 系列 ONNX 模型。
由于已移除 AGPL 授权的 YOLO 模型部分，本项目整体不再受 AGPL 约束。

该项目采用 Apache 2.0 license 开源许可证。