企业官网建设流程全解析

网站建设 系统维护,seo外链优化,苏州书生商友专业做网站,一般做音响的有哪些网站DeepSeek-OCR-WEBUI核心功能解析#xff5c;附SpringBoot接入实战案例 1. DeepSeek-OCR-WEBUI是什么#xff1f;为什么值得关注#xff1f; 你有没有遇到过这样的场景#xff1a;一堆纸质单据、发票、合同需要录入系统#xff0c;手动一条条敲键盘不仅费时#xff0c;还…DeepSeek-OCR-WEBUI核心功能解析附SpringBoot接入实战案例1. DeepSeek-OCR-WEBUI是什么为什么值得关注你有没有遇到过这样的场景一堆纸质单据、发票、合同需要录入系统手动一条条敲键盘不仅费时还容易出错。这时候如果有一款工具能“看懂”图片里的文字甚至还能识别表格结构直接把内容转成结构化数据那该多好DeepSeek-OCR-WEBUI 正是为此而生。它是基于国产自研大模型的高性能OCR系统不仅能识别中文文本还能理解复杂版式、表格、公式甚至支持语义级提示词控制识别行为。更关键的是——它开源、可本地部署、支持API调用非常适合集成到企业内部系统中。本文将带你深入解析它的核心功能机制并手把手实现一个SpringBoot应用接入实战案例最终完成从“拍照→上传→识别表格→结构化输出”的完整流程。2. 核心功能深度解析2.1 多模式识别不只是“识字”更是“理解内容”传统OCR只能提取图像中的字符但 DeepSeek-OCR-WEBUI 提供了多种prompt_type模式让识别过程变得更智能、更有目的性。模式功能说明典型应用场景document转换为 Markdown 格式保留标题、段落、列表等结构合同扫描件数字化、论文归档ocr提取所有可见文字不做格式处理快速获取图片中的全部文本free纯文本提取去格式化简单信息抽取如验证码识别figure重点解析图表、表格、数学公式单据识别、报表分析、教学资料处理describe生成图像描述类似图文对话图片语义理解、无障碍辅助find查找特定关键词并标注位置发票字段定位如“金额”、“税号”freeform自定义提示词灵活控制识别逻辑定制化业务需求划重点我们要识别采购单上的表格数据所以必须使用figure模式。这是实现结构化输出的关键2.2 基于提示词的精准控制Prompt-Based OCR这可能是 DeepSeek-OCR 最惊艳的设计之一——你可以像和AI聊天一样告诉它“我要识别这张图里的表格”。比如{ prompt_type: figure, custom_prompt: 请提取这张采购单中的商品明细表包含序号、条码、名称、数量、单价、金额 }通过custom_prompt你可以引导模型关注特定区域或字段极大提升复杂文档的识别准确率。这种“语义驱动”的方式远超传统规则匹配。2.3 输出结构化HTML便于二次解析与大多数返回纯文本或JSON的OCR不同DeepSeek-OCR 在figure模式下会返回标准的 HTMLtable结构table trtd序号/tdtd条码/tdtd名称/td.../tr trtd1/tdtd6949123352617/tdtd飞科PR-5261毛球修剪器/td.../tr /table这个设计非常聪明对前端友好可以直接渲染展示对后端友好可用成熟库如 Jsoup轻松解析为 JSON保留原始布局避免因空格、换行导致的数据错位3. SpringBoot 接入全流程实战现在我们进入实战环节。目标很明确构建一个 Web 应用用户上传一张含表格的单据图片后端调用 DeepSeek-OCR 服务返回结构化 JSON 数据。整体架构如下前端 (Vue) → SpringBoot 后端 → DeepSeek-OCR-WebUI API → 返回HTML → 解析为JSON → 返回给前端3.1 准备工作启动OCR服务确保你已经成功部署了 DeepSeek-OCR-WebUI 镜像建议使用 Docker Compose 方式cd ~/DeepSeek-OCR-WebUI docker compose up -d查看日志确认服务已启动docker logs -f deepseek-ocr-webui默认情况下OCR 服务运行在http://localhost:8080提供/ocr接口。3.2 定义服务接口我们先定义一个通用的 OCR 服务接口// src/main/java/com/example/ocr/service/OcrService.java public interface OcrService { /** * 识别表格图片并返回结构化数据 * * param file 上传的包含表格的图片文件 * return 包含表格数据的Map对象 */ MapString, Object recognitionTable(MultipartFile file); }3.3 实现OCR调用逻辑创建具体实现类使用RestTemplate调用远程OCR接口// src/main/java/com/example/ocr/service/impl/DeepSeekOcrService.java Service Slf4j public class DeepSeekOcrService implements OcrService { private static final String OCR_SERVICE_URL http://localhost:8080/ocr; Override public MapString, Object recognitionTable(MultipartFile file) { log.info(开始识别表格文件名{}, file.getOriginalFilename()); RestTemplate restTemplate new RestTemplate(); try { // 构建 multipart 请求体 LinkedMultiValueMapString, Object requestBody new LinkedMultiValueMap(); requestBody.add(file, new ByteArrayResource(file.getBytes()) { Override public String getFilename() { return file.getOriginalFilename(); } }); requestBody.add(prompt_type, figure); // 关键使用 figure 模式识别表格 requestBody.add(grounding, false); // 设置请求头 HttpHeaders headers new HttpHeaders(); headers.setContentType(MediaType.MULTIPART_FORM_DATA); // 发送请求 HttpEntityLinkedMultiValueMapString, Object requestEntity new HttpEntity(requestBody, headers); ResponseEntityString response restTemplate.postForEntity(OCR_SERVICE_URL, requestEntity, String.class); if (response.getStatusCode().is2xxSuccessful()) { String htmlContent response.getBody(); return parseHtmlTableToJSON(htmlContent); } else { log.error(OCR服务调用失败状态码{}, response.getStatusCode()); throw new RuntimeException(OCR识别失败); } } catch (IOException e) { log.error(文件读取异常, e); throw new RuntimeException(文件处理失败, e); } } /** * 将HTML表格解析为JSON格式 */ private MapString, Object parseHtmlTableToJSON(String html) { Document doc Jsoup.parse(html); Elements tables doc.select(table); if (tables.isEmpty()) { return Collections.singletonMap(data, Collections.emptyList()); } Element table tables.first(); Elements rows table.select(tr); ListMapString, String result new ArrayList(); ListString headers null; for (int i 0; i rows.size(); i) { Element row rows.get(i); Elements cells row.select(td,th); ListString cellValues cells.stream() .map(Element::text) .map(String::trim) .collect(Collectors.toList()); if (i 0) { // 第一行作为表头 headers cellValues; } else { // 其余行为数据行 MapString, String rowData new HashMap(); for (int j 0; j headers.size() j cellValues.size(); j) { String key headers.get(j); String value cellValues.get(j); rowData.put(key, value); } result.add(rowData); } } MapString, Object resultMap new HashMap(); resultMap.put(headers, headers); resultMap.put(data, result); return resultMap; } }注意事项添加依赖spring-web,jsoup使用ByteArrayResource包装文件流prompt_typefigure是识别表格的核心参数3.4 编写测试用例验证功能在src/test/resources/下放一张测试图片voucher.jpg编写单元测试// src/test/java/com/example/ocr/service/OcrServiceTest.java SpringBootTest Slf4j class OcrServiceTest { Autowired private OcrService ocrService; Test void testRecognitionTableSuccess() throws Exception { ClassPathResource resource new ClassPathResource(voucher.jpg); MockMultipartFile file new MockMultipartFile( file, voucher.jpg, image/jpeg, resource.getInputStream() ); MapString, Object result ocrService.recognitionTable(file); log.info(OCR识别结果: \n{}, JSON.toJSONString(result, true)); Assertions.assertNotNull(result.get(data)); Assertions.assertTrue(((List?) result.get(data)).size() 0); } }运行测试你会看到类似以下输出{ headers: [序号,条码,名称,单位,订货数量,采购数量,赠送数量,采购单价,金额小计,备注], data: [ {序号:1,条码:6949123352617,名称:飞科PR-5261毛球修剪器,...}, {序号:2,条码:6944296500049,名称:天香炸酱面180g*50,...} ] }成功表格已被正确解析为结构化 JSON。3.5 暴露HTTP接口供前端调用最后添加 Controller 层接口// src/main/java/com/example/ocr/controller/OcrController.java RestController RequestMapping(/api/ocr) Slf4j public class OcrController { Autowired private OcrService ocrService; PostMapping(/process) public MapString, Object processFile(RequestParam(file) MultipartFile file) { return ocrService.recognitionTable(file); } }启动 SpringBoot 项目默认监听8080端口注意与OCR服务区分端口可通过server.port9090修改。4. 前后端联调与打包部署4.1 前端页面集成Vue项目自带ui目录使用 Vue 实现上传界面template div input typefile changehandleFileUpload acceptimage/* / button clicksubmit识别表格/button table v-iftableData.length thead trth v-forh in headers{{ h }}/th/tr /thead tbody tr v-forrow in tableDatatd v-forcell in Object.values(row){{ cell }}/td/tr /tbody /table /div /template script export default { data() { return { file: null, headers: [], tableData: [] }; }, methods: { handleFileUpload(e) { this.file e.target.files[0]; }, async submit() { const formData new FormData(); formData.append(file, this.file); const res await fetch(http://localhost:9090/api/ocr/process, { method: POST, body: formData }); const result await res.json(); this.headers result.headers; this.tableData result.data; } } } /script构建前端资源npm install npm run build将dist目录下的静态文件复制到 SpringBoot 的src/main/resources/static下即可访问。4.2 打包为Docker镜像统一部署根目录创建DockerfileFROM openjdk:21-jdk-slim WORKDIR /app COPY target/deepseek-web-ui.jar /app/app.jar EXPOSE 9090 ENTRYPOINT [java, -jar, app.jar]配套docker-compose.ymlversion: 3.8 services: ocr-backend: build: . ports: - 9090:9090 environment: - SERVER_PORT9090 volumes: - ./logs:/app/logs一键启动docker compose up -d --build访问http://localhost:9090即可使用完整应用。5. 总结通过本文我们完成了对DeepSeek-OCR-WEBUI的一次深度实践理解了其核心能力多模式识别、提示词驱动、结构化输出掌握了接入方法SpringBoot RestTemplate 调用 API实现了表格识别闭环图片上传 → OCR识别 → HTML解析 → JSON输出完成了工程化落地前后端分离、Docker容器化部署这套方案特别适合用于企业报销单自动化处理物流运单信息提取教育领域试卷/作业数字化档案馆老旧文档电子化更重要的是整个技术栈完全自主可控无需依赖第三方云服务保障数据安全。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。