基于rapidocr 的文档解析（pdf转md）工具（已部署）

pdf转md思路

rapidocr paddle版本的报错（onnxruntime解析很慢）

C++ Traceback (most recent call last): No stack trace in paddle, may be caused by external reasons. Error Message Summary: FatalError: Segmentation fault' is detected by the operating system. [Timelnfo: *** Aborted at 1760348604 (unix time) try "date-d @1760348604" if you are using GNU date ***] [Signallnfo: *** SIGSEGV (@0x7fafe0a32000) received by PID 29461 (TID 0x7fb8bbdff700) from PID 18446744073183371264 ***]
C++ 调用栈（按最近调用顺序排列）： 在 paddle 中没有出现堆栈跟踪信息，这可能是由外部原因导致的。 错误信息摘要： 致命错误：操作系统检测到“分段错误”。[系统信息：*** 异常终止于 1760348604（UNIX 时间） 请使用 GNU 的 date 命令执行“date -d @1760348604”来查看 ***] [信号信息：*** 发生了 SIGSEGV（0x7fafe0a32000）信号，由进程 ID 29461（线程 ID 0x7fb8bbdff700）从进程 ID 18446744073183371264 发出 ***]

这里是我pdf写md的文件代码的问题，每次调用一页的内存就会增加50MB左右，在top指令可以看到。上升到3G，可能有OOM。

然后针对代码进行了优化。这里的单例复用，每次解析都会调到一次ocr实例，单例复用的代码进行修改，改为进程池，主进程只负责pdf转图像流，子进程负责将图像进行解析流式写入md，然后就可以了