写Python的小哥哥1. 项目背景与需求分析
去年在给公司做内部文档管理系统升级时，发现一个痛点问题：财务、法务等部门的同事经常需要将扫描版合同、票据图片转换成可编辑文本。传统方案要么需要手动上传到第三方OCR服务（存在数据泄露风险），要么依赖单机版OCR软件（无法团队协作）。于是萌生了开发一个基于UmiOCR的局域网多用户文档转换工具的想法。
UmiOCR作为一款开源OCR引擎，具备几个核心优势：
- 完全离线运行，适合企业内部部署
- 支持中英文混合识别
- 对扫描文档、拍照文档都有不错的识别率
- 提供HTTP API接口便于集成
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 技术选型决策
整个系统采用B/S架构，主要组件包括：
- 前端：Vue3 + Element Plus（考虑内部用户多为非技术人员）
- 后端：Flask（轻量级，适合快速开发API）
- OCR引擎：UmiOCR v2.0（支持表格识别的最新版）
- 数据库：SQLite（简化部署）
- 文件存储：本地NAS共享目录（已有基础设施）
选择Flask而非Django的主要原因是：
- 项目功能相对简单，不需要Django的全套功能
- Flask更易于实现轻量级API服务
- 团队已有Flask技术积累
2.3 核心业务流程
mermaid复制graph TD
A[用户上传文件] --> B[文件临时存储]
B --> C[调用UmiOCR API]
C --> D[结果解析处理]
D --> E[存入数据库]
E --> F[结果返回前端]
3. 关键实现细节
3.1 UmiOCR API集成
UmiOCR默认监听127.0.0.1，要支持局域网访问需要修改配置：
ini复制# config.ini
[server]
host = 0.0.0.0
port = 1224
API调用示例（Python）：
python复制import requests
def ocr_recognize(image_path):
url = "http://192.168.1.100:1224/api/recognize"
files = {