DeepSeek-OCR实战(06)：SpringBoot应用接入
前一章部署了DeepSeek-OCR-WebUI ，它本身提供了API接口，这样在业务应用可以直接接入。本章将DeepSeek-OCR 接入到SpringBoot应用中，实现表格数据识别。
应用系统中通常会有一些单据需要入库，而入库单有些时候是纸质的，每条信息都录入费时费力，此时可以将单据使用手机对单据进行拍照，让应用识别提取，提取后人工进行校验，校验完毕一键入库。
1.启动DeepSeek-OCR-WebUI后端服务
要保证前一章节《DeepSeek-OCR实战(05)：DeepSeek-OCR-WebUI部署（Docker）》 已经完整部署好。它提供了API接口。
cd ~/DeepSeek-OCR-WebUI
docker compose up -d # 查看docker日志
docker logs -f deepseek-ocr-webui
2.接口
代码：/home/qy/DeepSeek-OCR-WebUI/web_service.py
@app.post("/ocr")
async def ocr_endpoint(file: UploadFile = File(...),prompt_type: str = Form("document"),find_term: str = Form(""),custom_prompt: str = Form(""),grounding: bool = Form(False)
):
- 上传的图片文件
- prompt_type：可传入的值有
- document ： 文档转Markdown，保留格式和布局，适用场景：合同、论文、报告
- ocr： 通用OCR,提取所有可见文字, 适用场景：图片文字提取
- free： 纯文本提取，纯文本不保留格式，适用场景：简单文本识别
- figure： 图表解析，识别图表和公式，适用场景：数据图表、数学公式。 本章就是要识别表格，所以使用这个参数
- describe：图像描述，生成详细描述，适用场景：图片理解、无障碍
- find： 查找定位，查找并标注位置，适用场景：发票字段定位
- freeform： 自定义提示词，自定义识别需求。适用场景：灵活的识别任务
- find_term： 要查找/标注的信息
- custom_prompt： 自定义提示词
- grounding ：分组
如果要扩展这个接口，可以直接修改
/home/qy/DeepSeek-OCR-WebUI/web_service.pyPython代码。但是修改完毕之后，要重新build镜像
3.SpringBoot接入
API服务已经启动，SpringBoot接入的方式就是发送Http请求给DeepSeek-OCR-WebUI 接口获取数据。本节目的很明确，就是要识别表格。API 返回的是 HTML代码。SpringBoot拿到HTML代码后，将数据转换为 JSON格式，HTML代码结构如下：
<table><tr><td>序号</td><td>条码</td><td>名称</td><td>单位</td><td>订货数量</td><td>采购数量</td><td>赠送数量</td><td>采购单价</td><td>金额小计</td><td>备注</td></tr><tr><td>1</td><td>6949123352617</td><td>飞科PR-5261毛球修剪器</td><td>个</td><td>0.00</td><td>1.00</td><td>0.00</td><td>38.5000</td><td>38.5000</td><td></td></tr><tr><td>2</td><td>6944296500049</td><td>天香炸酱面180g*50</td><td>个</td><td>0.00</td><td>1.00</td><td>0.00</td><td>0.0000</td><td>0.0000</td><td></td></tr><tr><td>3</td><td>6901826260159</td><td>南孚NF-1620锂电子</td><td>粒</td><td>0.00</td><td>0.00</td><td>1.00</td><td>2.4000</td><td>0.0000</td><td></td></tr><tr><td>总计</td><td></td><td></td><td></td><td>0.00</td><td>2.00</td><td>1.00</td><td>0.0000</td><td>38.5000</td><td></td></tr></table>
3.1 OcrService接口
// src/main/java/com/kaifamiao/dswebui/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，将以JSON格式返回给前端*/Map<String, Object> recognitionTable(MultipartFile file);
}
3.2接口实现
详情请访问文末代码仓库地址获取
//src/main/java/com/kaifamiao/dswebui/service/DeepSeekOcrService.java
@Service
@Slf4j
public class DeepSeekOcrService implements OcrService {@Overridepublic Map<String, Object> recognitionTable(MultipartFile file) {log.info("name===>{}", file.getOriginalFilename());try {// 创建RestTemplate实例...// 准备文件资源...// 准备请求参数...// 设置请求头...// 创建请求实体...// 发送POST请求到OCR服务...// 解析HTML表格并转换为JSONreturn parseHtmlTableToJSON(responseHtml);} catch (Exception e) {...}}/*** 将HTML表格解析为JSON格式** @param html 包含表格的HTML字符串* @return 转换后的JSON数据*/private Map<String, Object> parseHtmlTableToJSON(String html) {...return result;}}
写个测试用例测试一下,将要测试的图片放到 src/test/resources/voucher.jpg：
// src/test/java/com/kaifamiao/dswebui/service/OcrServiceTest.java
@SpringBootTest
@Slf4j
public class OcrServiceTest {@Autowiredprivate OcrService ocrService;@Testvoid testRecognitionTableSuccess() throws Exception {// 从测试资源目录加载voucher.jpg文件ClassPathResource resource = new ClassPathResource("voucher.jpg");// 创建MultipartFile对象MockMultipartFile file = new MockMultipartFile("file","voucher.jpg","image/jpeg",resource.getInputStream());// 调用OCR服务进行识别Map<String, Object> result = ocrService.recognitionTable(file);log.info("OCR识别结果: {}", JSON.toJSONString(result));}}
3.3Controller
// src/main/java/com/kaifamiao/dswebui/controller/OcrController.java@RestController
@RequestMapping("/api/ocr")
@Slf4j
public class OcrController {@Autowiredprivate OcrService ocrService;@PostMapping("/process")public Map<String, Object> processFile(@RequestParam("file") MultipartFile file) {Map<String, Object> stringObjectMap = ocrService.recognitionTable(file);log.info("result===>{}", stringObjectMap);return stringObjectMap;}
}
4.前端页面
项目有个ui是使用VUE写的一个操作界面。 自行查看代码。
编译打包：要安装NodeJS 20 以上版本。
npm i
npm run build
将生成的dist 下文件拷贝到SpringBoot项目中
5.后端打包
6.docker启动
# Dockerfile
# Java运行时阶段
FROM openjdk:21-jdk-slim# 设置工作目录
WORKDIR /app# 复制前端构建产物到后端静态资源目录
COPY deepseek-webui/target/deepseek-web-ui-1.0.0.jar /app/deepseek-web-ui.jar# 暴露端口
EXPOSE 8080# 运行应用
ENTRYPOINT ["java", "-jar", "deepseek-web-ui.jar"]
# docker-compose.yml
version: '3.8'services:ocr-app:build: .ports:- "8080:8080"environment:- SERVER_PORT=8080volumes:- ./logs:/app/logs
准备好docker 环境：
docker compose up -d --build
源代码地址： https://github.com/kaiwill/kaifamiao-ocr