bokuwalily PaddleOCR ローカルOCR
⚠️ 実体は削除済み（2026-07-03・本人承認）: venvとCLI
ocr.pyは消滅。このskillは再構築手順書＋検証済み知見として保持。再構築:uv venv -p 3.12 ~/dev/paddleocr/.venv && .venv/bin/pip install paddleocr（モデルキャッシュ~/.paddlexは生存＝再DL不要）。ocr.pyは本書の出力仕様（text/JSON両モード・box+score）を参考に再作成。以下のパス記述は当時のもの。
完全ローカル・無料。永続venv: ~/archive/retired-projects/oss-trial/paddleocr/（py3.12、モデルは~/.paddlexにキャッシュ）。
Procedure
cd ~/archive/retired-projects/oss-trial/paddleocr
# プレーンテキスト（1行=1領域、[信頼度] 本文）
.venv/bin/python ocr.py <画像orPDF> --lang japan
# プログラム用JSON（text+score+box座標）
.venv/bin/python ocr.py <画像> --json --min-score 0.85
# 言語切替: japan / en / ch / korean ...
.venv/bin/python ocr.py receipt.png --lang japan
- 推論は1画像~2-3秒（初回のみモデルロード+30秒）
- PDF直接OK。複数領域は
rec_texts順で返る - バッチは画像パスをループで
ocr.pyに渡す
Pitfalls
- 桁区切り誤読:
128,400→128.400（カンマがピリオド化）。金額は必ず目視 or--jsonのscore確認。請求書/領収書で致命的 - 簡体字グリフ混入: 日本語でも稀に
額→额処→处等の簡体字が出る（中国語データ主体のため）。重要語は要チェック - 単語間スペース欠落:
Thank you→Thankyou。CJKは元々スペース無いので通常問題なし。英文は後処理で補う - 低信頼行は0.85前後で自己申告:
--min-scoreで機械的に弾ける。怪しい行はscoreを見る - Python 3.14不可: paddlepaddleのホイールが無い。venvは3.12固定（
uv venv --python 3.12） /tmpに作らない（揮発）。venvは~/archive/retired-projects/oss-trial/paddleocrに退避中（元は~/oss-trial）
Verification
cd ~/archive/retired-projects/oss-trial/paddleocr
.venv/bin/python ocr.py ocr_test.png --lang japan
# 期待: 5行抽出、請求書ヘッダ0.97/会社名0.98/合計金額0.86(低=桁注意)/支払期限0.96/英文0.98
2026-06-09検証: 日英混在請求書で文字精度95%+・推論2.3秒・低信頼行を0.86で正しくフラグ。