项目简介#

TrWebOCR是基于开源项目Tr开发的中文离线OCR系统，主打无需联网、精准识别、操作简单三大特性。项目地址直接奉上：

• GitHub主仓：https://github.com/alisen39/TrWebOCR
• 核心引擎Tr：https://github.com/myhub/tr

五大核心优势#

1️⃣ 媲美商业OCR的识别精度：实测横排简体中文识别准确率超95% 2️⃣ 全离线运行：数据不出本地，敏感文档处理更安全 3️⃣ 闪电响应速度：单张图片识别仅需0.3秒 4️⃣ 繁体中文友好：直接输出繁体结果，无需二次转换 5️⃣ 支持多场景适配：命令行、Web页面、API调用三种姿势任选

手把手Docker部署（Dockge方案）#

Step1. 创建compose.yaml

1
version: '3.5'
2
services:
3
  trwebocr:
4
    image: mmmz/trwebocr:latest
5
    container_name: trwebocr
6
    restart: unless-stopped
7
    ports:
8
      - "8089:8089"
9
    volumes:
10
      - ./tr_data:/app/tr_web/data
11
    environment:
12
      - TZ=Asia/Shanghai
13
      - OPEN_GPU=0  # 无GPU设备保持关闭

Step2. Dockge部署流程 打开Dockge面板 -> 创建堆栈 -> 设置堆栈名称 -> 粘贴compose代码 -> 30秒启动成功！

六大实战场景演示#

场景1：纸质文档电子化#

截图纸质文档→粘贴到网页→点击识别按钮，三步完成转换：

场景2：防拷贝网页破解#

配合截图工具+TrWebOCR，轻松突破网页复制限制：

场景3：图文混排解析#

虽然图片会影响排版识别，但原始文字提取依然精准：

场景4：古籍繁体识别#

直接输出繁体结果，家谱整理神器实锤：

1
import requests
2
url = "http://localhost:8089/api/ocr"
3
files = {'file': open('test.jpg', 'rb')}
4
r = requests.post(url, files=files)
5
print(r.json()['text'])

总结建议#

经过一周深度体验，二冰认为TrWebOCR特别适合：

• 需要处理敏感数据的企业内部部署
• 古籍/档案数字化工作者
• 经常需要突破网页防拷贝的科研党

虽然项目已两年未更新，但其核心识别引擎完全够用。如果兄弟们需要一款免费、高精度、可离线运行的OCR工具，闭眼冲就完事了！

最后，奉上我的超级无敌至尊docker库，二冰平时玩过的docker都整理到了这个仓库中了，一直在更新中，希望有github账号的兄弟能去给点个star，不知道玩啥的，都去这里面找，都给你们分好类了

仓库链接： https://github.com/TWO-ICE/Awesome-NAS-Docker

觉得有用的兄弟欢迎点赞收藏，评论区留下你的实战体验！