Chandra OCR入门必看：chandra-ocr CLI常用命令速查表（含PDF/图片/目录）

LearningandStudy

286人浏览 · 2026-03-15 00:28:47

LearningandStudy · 2026-03-15 00:28:47 发布

Chandra OCR入门必看：chandra-ocr CLI常用命令速查表（含PDF/图片/目录）

1. 快速了解Chandra OCR

Chandra是Datalab.to在2025年10月开源的"布局感知"OCR模型，它能帮你把图片和PDF文件一键转换成保留完整排版信息的Markdown、HTML或JSON格式。这个工具特别擅长处理复杂文档，包括表格、数学公式、手写文字、表单复选框等各种元素。

简单来说，Chandra就像个超级文档转换器：你给它一张图片或PDF，它还你一个结构清晰的Markdown文档，而且排版样式都给你保留得好好的。

为什么选择Chandra？

只需要4GB显存就能运行，对硬件要求很友好
在权威评测中拿到83.1的高分，比GPT-4o和Gemini Flash 2表现更好
支持40多种语言，中文、英文、日文、韩文都处理得很好
商业使用友好，开源协议很宽松

2. 环境准备与安装

2.1 系统要求

在开始使用之前，确保你的系统满足以下要求：

操作系统：Linux、Windows或macOS都可以
Python版本：Python 3.8或更高版本
显存要求：至少4GB GPU显存（推荐8GB以上获得更好体验）
内存：建议16GB以上系统内存

2.2 一键安装

安装Chandra OCR非常简单，只需要一条命令：

pip install chandra-ocr

这个命令会自动安装所有依赖包，包括vLLM后端。安装完成后，你就可以使用chandra-ocr命令行工具了。

2.3 验证安装

安装完成后，可以通过以下命令检查是否安装成功：

chandra-ocr --version

如果显示版本信息，说明安装成功。你也可以查看帮助信息：

chandra-ocr --help

3. CLI常用命令速查表

3.1 基础文件处理

单个图片转Markdown

chandra-ocr image.jpg -o output.md

单个PDF转Markdown

chandra-ocr document.pdf -o output.md

指定输出格式（支持md/html/json）

chandra-ocr image.jpg --format html -o output.html

3.2 批量处理命令

处理整个目录下的图片

chandra-ocr ./images/ -o ./output/

处理目录下的特定类型文件

chandra-ocr ./documents/ --extensions pdf,jpg,png -o ./converted/

递归处理子目录

chandra-ocr ./my_docs/ --recursive -o ./results/

3.3 输出选项控制

同时输出多种格式

chandra-ocr doc.pdf --format md,html,json -o result

保留原始布局信息

chandra-ocr image.jpg --preserve-layout -o output.md

指定语言（提升识别精度）

chandra-ocr doc.pdf --language zh -o output.md

3.4 高级功能选项

处理表格数据

chandra-ocr table.png --enhance-tables -o table.md

识别数学公式

chandra-ocr math_doc.pdf --detect-math -o math_output.md

处理手写内容

chandra-ocr handwritten.jpg --handwriting-mode -o text.md

4. 实际使用示例

4.1 日常办公文档转换

假设你有一堆扫描的合同文件需要数字化，可以这样处理：

# 批量处理合同文件夹
chandra-ocr ./contracts/ --extensions pdf --format md -o ./digital_contracts/

# 处理后的文件会自动保持原有文件名，只是扩展名变为.md

4.2 学术论文处理

对于包含公式和表格的学术论文：

# 处理单篇论文，同时保留公式和表格
chandra-ocr paper.pdf --detect-math --enhance-tables --format md,html -o paper_converted

4.3 多语言文档处理

处理包含中文和英文的混合文档：

# 指定中文优先识别
chandra-ocr mixed_doc.pdf --language zh --format md -o result.md

5. 实用技巧与问题解决

5.1 提升识别准确率

调整识别置信度

# 提高识别阈值，减少错误
chandra-ocr doc.pdf --confidence 0.8 -o output.md

使用GPU加速

# 指定使用GPU设备
chandra-ocr doc.pdf --device cuda:0 -o output.md

5.2 处理大文件

分页处理大PDF

# 只处理前10页
chandra-ocr large.pdf --pages 1-10 -o first_10_pages.md

# 处理指定页码
chandra-ocr large.pdf --pages 1,3,5-10 -o selected_pages.md

5.3 常见问题解决

内存不足问题 如果处理大文件时出现内存不足，可以尝试：

# 降低处理批量大小
chandra-ocr large.pdf --batch-size 2 -o output.md

# 使用CPU模式（速度较慢但省显存）
chandra-ocr doc.pdf --device cpu -o output.md

识别结果不理想 如果某些内容识别不准，可以：

# 尝试不同的语言设置
chandra-ocr doc.jpg --language auto -o output.md

# 调整图像预处理参数
chandra-ocr doc.jpg --preprocess enhance -o output.md

6. 输出结果的使用

6.1 Markdown输出示例

Chandra生成的Markdown会保留原始布局：

# 文档标题

这是正文段落，保留了**加粗**和*斜体*样式。

## 二级标题

表格也被完美转换：

| 姓名 | 年龄 | 职业 |
|------|------|------|
| 张三 | 28   | 工程师 |
| 李四 | 32   | 设计师 |

数学公式：$E = mc^2$

6.2 HTML输出特点

HTML输出包含完整的CSS样式，可以直接在网页中使用：

<div class="paragraph">
    <p>这是一个段落文本</p>
</div>
<div class="table">
    <table>
        <!-- 表格内容 -->
    </table>
</div>

6.3 JSON结构化数据

JSON输出包含详细的结构信息和坐标数据，适合程序处理：

{
  "pages": [
    {
      "blocks": [
        {
          "type": "heading",
          "text": "文档标题",
          "bbox": [100, 50, 400, 80]
        }
      ]
    }
  ]
}