Zerox OCR 快速上手完整指南【免费下载链接】zeroxOCR Document Extraction using vision models项目地址: https://gitcode.com/GitHub_Trending/ze/zeroxZerox OCR 是一款基于视觉模型的文档提取工具把 PDF、扫描图片、Office 文档转成结构化 Markdown适合需要把文档内容喂给大模型、搭建 AI 数据管线的开发者。Zerox OCR 工作原理它把整份文档当作视觉素材交给视觉模型识别整个过程分四步读入任意受支持格式的文件PDF、DOCX、图片等将文件渲染成一页页的图片每张图片发给 gpt-4o 这类视觉模型要求输出 Markdown汇总各页 Markdown返回完整文档。Zerox OCR 安装与首次运行步骤Node 版本只需一条命令npm install zeroxPDF 转图片这一步依赖 graphicsmagick 和 ghostscriptnpm 会尝试自动拉取Linux 上如果失败需要手动执行sudo apt-get install -y graphicsmagick。准备好 OpenAI key 后几行代码就能跑通第一次转换import { zerox } from zerox; const result await zerox({ filePath: ./cs101.pdf, credentials: { apiKey: process.env.OPENAI_API_KEY, }, });Python 版本用pip install py-zerox安装模型路由走 LiteLLM模型名按其 provider 规范填写并且额外支持 Vertex AI。支持的文档格式与模型提供商文档格式覆盖范围广PDF 和图片直接渲染其他 Office 格式先经 libreoffice 转成 PDF再转图片。常见扩展名如 doc/docx、xlsx、pptx、html、txt、csv、odt、odp 等都能处理。多家视觉模型可切换通过modelProvider参数切换厂商OpenAIgpt-4o、gpt-4o-mini、gpt-4.1 及 Mini、Azure OpenAI 部署、AWS Bedrock 的 Claude 3 系列、Google Gemini 的 1.5 与 2.0 系列凭据字段通过credentials传入。Markdown 格式保持与结构化数据提取maintainFormat 保住表格排版表格多或表格跨页的文档建议打开maintainFormat它会把上一页的 Markdown 作为下一页请求的上下文输出风格因此更统一。代价是请求必须串行执行整体速度明显变慢按需开启即可。schema 驱动的结构化提取只关心几个字段时不必输出全文。按 JSON Schema 规范写好目标结构把 extractOnly 置为 true返回结果里就是符合该结构的数据用extractPerPage可改成逐页提取还能通过extractionModel给提取步骤单独指定模型。const result await zerox({ filePath: invoice.pdf, extractOnly: true, schema: invoiceSchema, });典型使用场景财务单据数字化发票、收据、报表批量转 Markdown再用 schema 抓取金额、日期等关键字段。LLM 知识库构建扫描件、合同、技术手册先 OCR再写入向量数据库。历史资料归档老旧报告与扫描页转成可检索文本无需自行处理复杂排版。使用注意事项与常见问题系统依赖Linux 下确认 graphicsmagick、ghostscript 安装成功Python 版本要求 poppler 在系统路径中否则 PDF 环节会报错。并发调优concurrency默认 10可结合机器负载和 API 限流上下调整页面失败时用errorMode决定抛出还是忽略maxRetries控制单页重试次数。渲染质量转出的文字模糊时优先调高imageDensity默认 300 DPI和imageHeight。格式与速度二选一maintainFormat与并行处理互斥文档没有跨页表格时建议关闭。临时文件中间图片默认写入临时目录可用tempDir指定位置cleanup: true会在跑完后清理。写在最后以上覆盖了 Zerox OCR 从安装、首跑到参数调优的主要路径完整参数表和 Python 版细节可查仓库 READMENode 版核心实现位于 node-zerox 源码目录 【免费下载链接】zeroxOCR Document Extraction using vision models项目地址: https://gitcode.com/GitHub_Trending/ze/zerox创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考