表格识别：从「一行行文字」到「一格一格的表」–OnnxOCR&RapidTable
1、写在前面
8月初，整个东北笼罩在穹顶之下，酷热难耐之时，我到传奇小城鹤岗的客户现场出差，算是躲过了热浪。
我对这座城市最久远的印象应该是学生时代的地理，鸡西鹤岗的煤是出名的。后来鹤岗的房价火出圈后，知名度算是更高了吧。
那些日子只要晚上有空，我就会跑到鹿林山公园的人民广场溜达。那边有巨大的观音像，也有巨幕的露天电影可以看。当我离开的时候，绿皮火车绕城而过，看着鹿林山上的观音像离我而去，我在想，不知道以后是否还有机会来到这座城。
是的，这篇文章跟鹤岗没有关系，我只是对我消失的这段时间做个简要的汇报。哈哈哈！
看到最近小伙伴留言，有许多新的需求。这很好，我后面会慢慢做起来的。今天想重点讲讲表格识别，这是在开发清单位置靠前的需求，同时我也看到有些问答经常提到这个话题。
有这样一个场景：你在外面看到一张带着表格信息的宣传报，你对里面的信息很感兴趣，而且你也想在此基础上做一些修改。那么怎么办？普通 OCR 会给你一堆文字，字都认对了，但行列关系丢了。复制进 Excel，还得人工对齐、合并单元格、补边框——表格越密，越折磨人。
表格识别要解决的，正是不光是认字，还要还原「第几行第几列、谁和谁合并了」。
2、普通 OCR 和表格识别的差异点
可以把一张表想象成两层信息：
| 层次 | 普通 OCR 给你什么 | 表格识别额外给你什么 |
|---|---|---|
| 文字层 | 「螺丝」「0.5」「100」 | 同上 |
| 结构层 | 无 | 这是第 2 行第 3 列；上面两行合并成表头 |
我看业界常见做法是「先 OCR 认字，再用结构模型还原表格」，而不是一个大模型端到端包办。OnnxOCR 走的也是这条路：底层 OCR 还是 PP-OCR 那套检测 + 识别，上面叠一层 RapidTable（结构模型默认SLANet-plus）。
3、一张图在系统里怎么流转
整条链路可以描述为：
表格图片 ↓ ① 文字检测（det）—— 找到每个字/词块的位置 ↓ ② 文字识别（rec）—— 读出具体内容 ↓ ③ 结构还原（RapidTable / slanet-plus）—— 根据框的位置关系，推断行列与合并 ↓ 输出 HTML（<table>…</table>）+ 单元格框 + 逻辑坐标 ↓ （可选）HTML → Excel表格模式 = 通用 OCR 跑一遍 + TableRecognizer 再跑一遍。TableRecognizer（table_recognition.py）把 OCR 的框、文字、分数整理成 RapidTable 需要的格式，再喂给slanet-plus.onnx。
4、Python 端：参考OnnxOCR开源项目
4.1 准备模型
表格模型不在默认小包里面，需要单独下：
python scripts/download_models.py# 确认存在：# onnxocr/models/table/slanet-plus.onnx国内走 ModelScope 即可；和国际用户一样，也可以从 HuggingFace 拉。
4.2 最小示例
仓库里tests/test_table_ocr.py就是标准入口：
fromonnxocr.onnx_paddleocrimportONNXPaddleOcr,sav2TableImgimportcv2 model=ONNXPaddleOcr(use_angle_cls=True,use_gpu=False,use_table_recognition=True,table_model_type="slanet_plus",)img=cv2.imread("onnxocr/test_images/table.jpg")result=model.ocr(img)print(result["html"][:500])# 带 <td rowspan=…> 的 HTMLsav2TableImg(img,result,name="./result_img/test_table_vis.jpg")返回字典里几个常用字段：
| 字段 | 含义 |
|---|---|
html | 可直接嵌网页、也可转 Excel 的表格 HTML |
cell_bboxes | 每个单元格在图上的框 |
logic_points | 逻辑行列坐标（第几行第几列） |
processing_time | 耗时 |
除了默认的slanet_plus，还支持ppstructure_zh/ppstructure_en两套 SLANet，按文档语言切换table_model_type即可。
4.3 WebUI 里试
本地起 WebUI 后，浏览器里切到「表格识别」标签，上传一张表就能看 HTML 和可视化——和命令行是同一套引擎。
5、为此我做了一个小程序
今年的折腾还没有结束，从C#到Android，这次终于轮到了微信小程序了。
经过一个多月的注册审核各种手续，我在微信里上架了小程序「程序员Linc表格识别」。大家可以使用下看看，还原度不够的，看看是否还能够继续优化。
我们压榨服务器性能的同时，也精进了我们的技术。
6、小结
表格识别是认字 + 还原结构两段式流水线：PP-OCR 负责「读出来」，RapidTable / SLANet 负责「排成表」，最后 HTML 一出口，复制、渲染、转 Excel 就完活了。
微信小程序搜索：程序员Linc表格识别
参考
- OnnxOCR 上游：https://github.com/jingsongliujing/OnnxOCR
- RapidTable：https://github.com/RapidAI/RapidTable
