营销型网站建设和规划地域名网址查询

1、部署平台

本项目需要cuda请另行配置。

win11+4090（cuda=12.9）

2、部署流程

2.1 从github下载项目源代码到本地：

执行命令（前提有git命令）：

git lone https://github.com/heise199/MonkeyOCR.git

然后用vscode打开该项目目录：

注：其中多的文件夹是我对该项目的更改操作，不影响最开始的操作。

2.2 配置环境

需要python的环境，目前在电脑安装python（推荐使用anaconda和uv）

以conda为例，在该目录下执行外部包的安装命令：

pip install -r requirements.txt #可选清华源加速下载

下载安装等待完成即可。

2.3下载模型文件

官方给出了两种方式从HuggingFace和ModelScope下载，前者需要VNP，因此选择后者。

命令如下：

pip install modelscopepython tools/download_model.py -t modelscope

2.4启动命令

在vscode中运行demo下的demo_gradio.py文件即可进入gradio：
命令如下：

python demo/demo_gradio.py

控制台出现如下字样代表启动成功。

界面如图所示：

3、问题解决

1、在运行demo_gradio.py的时候，控制台输出报错：

PS E:\MonkeyOCR> & D:/anaconda/python.exe e:/MonkeyOCR/demo/demo_gradio.py
Traceback (most recent call last):File "e:\MonkeyOCR\demo\demo_gradio.py", line 13, in <module>from magic_pdf.data.data_reader_writer import FileBasedDataWriter, FileBasedDataReader
ModuleNotFoundError: No module named 'magic_pdf'

说明没有正确找到magic_pdf这个包，因此需要手动导入：

在这个文件导包前面加上：

import syssys.path.append("E:/MonkeyOCR")

代表我们导入的包会从该目录下进行查找

2、另外需要安装两个额外的包：

pip install dill triton-windows

这两个包可以保证在windows上运行

3、运行起来后demo后，在进行解析的时候也会报错，但是无法看到报错内容

不出现解析结果，然后后端也没有报错，大概率原因是有报错，但是被try_except捕获，无法查到精确的报错位置，经过查找后，大概率是这个位置报错：

注释掉try和except后就能看到报错，大概意思是没有找到poppler这个路径，我们需要额外去下载这个东西，好在github上有poppler的源码：Release Release 24.08.0-0 · oschwartz10612/poppler-windows

选择zip的压缩包下载即可。

然后解压后需要加到环境变量，这里用简单的方法：

首先定位到poppler的bin

我的是这样：

C:\POPPLER\poppler-24.08.0\Library\bin

然后再demo_gradio.py中加入一行：

poppler_path = r'C:\POPPLER\poppler-24.08.0\Library\bin'

然后修改刚刚注释掉try-except的代码，如下：

def parse_and_update_view(pdf_file):"""Parse PDF and update view"""if pdf_file is None:return (gr.update(),"Please upload a PDF file","Please upload a PDF file","<div id='page_info_box'>0 / 0</div>",gr.update(value=None, visible=True),gr.update(value=None, visible=True),)try:# Call the original parsing functionmd_content_ori, md_content, layout_pdf_update, zip_update = parse_pdf_and_return_results(pdf_file)# Update global variableslayout_pdf_path = layout_pdf_update['value']markdown_zip_path = zip_update['value']# Load parsed layout PDF for previewif layout_pdf_path and os.path.exists(layout_pdf_path):pages = convert_from_path(layout_pdf_path, dpi=150,poppler_path=poppler_path)pdf_cache["images"] = pagespdf_cache["current_page"] = 0pdf_cache["total_pages"] = len(pages)preview_image = pages[0]page_info = f"<div id='page_info_box'>1 / {len(pages)}</div>"else:preview_image = Nonepage_info = "<div id='page_info_box'>0 / 0</div>"return (preview_image,md_content,md_content_ori,page_info,layout_pdf_update,zip_update,)except:logger.warning("Parsing failed, switching to chat mode for direct recognition...")# If parsing fails, directly use chat mode for recognitionmd_content_ori, md_content, layout_pdf_update, zip_update = chat_with_image(instruction, pdf_file)return (gr.update(),md_content,md_content_ori,"<div id='page_info_box'>1 / 1</div>",layout_pdf_update,zip_update,)

然后重新启动即可。

完美解析，不得不说，比多模态大模型快多了。

感谢开源社区官方和共同开发者的贡献。