Python EasyOCR离线环境部署与多语言文字识别教程

一、离线部署准备：依赖与模型权重归集

离线部署必须提前在具备外网环境的开发机上完成资产下载与归档。EasyOCR 的底层依赖包括 PyTorch、Torchvision、OpenCV 以及 SciPy 等科学计算库。对于生产 Linux 服务器，推荐使用 opencv-python-headless 代替标准版 OpenCV，以避免因为容器或精简系统缺失 X11/OpenGL 相关动态链接库而报错。

1. 依赖轮子包（Wheel）导出

在同构操作系统与相同 Python 版本的联网机器上执行以下命令，将全部依赖包下载至指定文件夹：

# 导出 Wheel 依赖至 packages 目录
pip download easyocr opencv-python-headless -d ./easyocr_packages

2. 官方模型权重下载

EasyOCR 将任务解耦为“文字区域检测”与“文字内容识别”两个独立模型。离线运行时必须人工下载对应的 .pth 权重文件：

• 文本检测模型：craft_mlt_25k.pth（所有语种必须依赖该模型定位字符区域）。
• 简体中文识别模型：chinese_sim.pth（或第二代模型 zh_sim_g2.pth）。
• 通用英文识别模型：english_g2.pth。
• 其他扩展语种：例如日语 japanese_g2.pth、韩语 korean_g2.pth、繁体中文 chinese_cht.pth 等。

二、内网环境离线安装与权重目录配置

将上述依赖与模型拷贝至目标内网机器后，即可执行实际配置。

1. 离线安装 Python 依赖库

进入拷贝后的 easyocr_packages 目录，执行禁止联网检索的离线安装指令：

# 使用 --no-index 参数断开在线索引，强制使用本地包
pip install --no-index --find-links=./easyocr_packages easyocr opencv-python-headless

2. 建立本地模型仓库路径

EasyOCR 默认会在当前登录用户的主目录寻找权重文件，路径为 ~/.EasyOCR/model/。若未指定其他路径，可直接创建该目录并将下载的 .pth 文件拷贝进去：

# 创建默认存放路径
mkdir -p ~/.EasyOCR/model

# 将离线权重放入目录
cp craft_mlt_25k.pth ~/.EasyOCR/model/
cp zh_sim_g2.pth ~/.EasyOCR/model/
cp english_g2.pth ~/.EasyOCR/model/

在多用户共享服务器或基于 Docker 容器化的工程架构中，硬编码用户家目录不利于维护。更稳妥的做法是在应用服务目录（如 /opt/easyocr_models）集中存储权重，并在初始化 Reader 对象时通过 model_storage_directory 参数显式指定。

三、多语言文字识别实操与代码编写

完成离线部署后，通过 Python 脚本调用 EasyOCR。在离线环境下，必须确保两个关键参数生效：

1. download_enabled=False：完全禁用内部下载重试，若权重丢失立即暴露文件缺失错误，避免陷入数分钟的外网网络超时挂起。
2. model_storage_directory：准确指向已存放 .pth 文件的目录。

1. 多语言参数组合规则

EasyOCR 支持数十种语言，但在传入 lang_list 时存在兼容性约定：

• 中英文组合：推荐配置 ['ch_sim', 'en']，英文作为通用辅助语言可与中、日、韩等主流东亚语言并存。
• 拉丁语系组合：如英语、法语、德语、西班牙语（['en', 'fr', 'de', 'es']），它们共享一套底层拉丁字母字典，可以自由组合使用。
• 跨东亚语言互斥性：由于中文简体、繁体、日语汉字与韩文谚文包含重叠且存在差异字形的编码映射，通常不建议在同一个 Reader 实例中混入多种东亚语言（例如同时传入 ['ch_sim', 'ja', 'ko']）。若遇到多语种混合业务，最佳实践是初始化针对性的专用 Reader 实例，通过文档类型路由分别解析。

2. 完整识别代码示例

编写离线文字识别脚本，演示从初始化到提取文本及置信度的标准实现：

import os
import easyocr

# 1. 显式配置离线模型所在路径
MODEL_DIR = "/opt/easyocr_models"

# 2. 初始化 Reader 实例
# gpu=False 适用于无显卡的纯 CPU 宿主机
# download_enabled=False 严格禁止发起外网拉取
reader = easyocr.Reader(
    lang_list=['ch_sim', 'en'],
    gpu=False,
    model_storage_directory=MODEL_DIR,
    download_enabled=False
)

# 3. 执行单张图像识别
image_path = "sample_invoice.jpg"
if not os.path.exists(image_path):
    raise FileNotFoundError(f"待识别图像不存在: {image_path}")

# readtext 返回结构化列表，每一项由 (多边形坐标, 文本内容, 置信度) 组成
results = reader.readtext(image_path, detail=1)

# 4. 解析与格式化输出
print(f"=== 识别结果提取 (共检测到 {len(results)} 行文本) ===")
for bbox, text, score in results:
    # 过滤掉置信度低于 0.3 的噪点结果
    if score >= 0.3:
        print(f"置信度: {score:.2f} | 文本: {text}")

四、常见问题排查与避坑指南

在离线部署落地中，大部分问题并非由模型自身缺陷引起，而是源于缺少系统依赖或参数未彻底锁闭。

五、总结

在隔离网络下稳定运行 EasyOCR，本质上是把原本由框架在线自动处理的“依赖打包”与“权重发现”两项任务接管为静态配置。只要确保安装的是 opencv-python-headless、模型权重完整落盘至指定存储路径，并在初始化代码中严格声明 download_enabled=False，就能够彻底避免联网尝试导致的超时异常，实现安全、高效、稳定的多语言离线文字识别。