text-extract-api

收录理由

如果你经常要把发票、医疗报告或各类办公文档转成干净的结构化数据，这个项目不是那种只能跑通演示的玩具，而是能真正派上用场的工具。它把完整的OCR和解析流程都放在本地跑：EasyOCR和视觉模型负责处理图片与PDF中的复杂内容，接着由Ollama支持的LLM把原始文本整理成Markdown或JSON，甚至能顺手纠正OCR产生的拼写错误。整套环境通过docker-compose交付，不依赖任何云服务，敏感文档从头到尾都不用离开你自己的服务器，而且同一套流程还能在存储前自动抹掉个人身份信息。API基于FastAPI，配合Celery队列和Redis缓存，你可以把大批量文档塞进去处理，并单独扩展worker进程来应对负载。如果你需要一个能自托管、能直接接入现有后端系统的文档转数据接口，这个项目是相当扎实的起点。