Ollama DeepSeek OCR Web Client

本项目提供一个纯前端页面，调用本地 Ollama 的 deepseek-ocr:latest 模型，对图片或 PDF 进行文字识别，并支持将识别结果下载为 Markdown 文件。

功能特性

• 支持拖拽或选择 JPG / PNG / WEBP 图片。
• PDF 模式会在浏览器端使用 pdf.js 将每页转成图片后统一识别。
• 内置多种 DeepSeek 官方提示词模板，可一键切换。
• 识别结果实时展示，可复制文本或下载为 .md 文件。
• 完全本地化：所有数据均在浏览器与本地 Ollama 服务之间传输。

⚠️ 当前版本仅提取文本内容，Markdown 中不会还原原始图片或版面。

环境要求

• Windows / macOS / Linux 均可。
• 安装 Ollama 并拉取模型：

  ollama pull deepseek-ocr:latest

• 启动 Ollama 服务前设置跨域：

  set OLLAMA_ORIGINS=*
  ollama serve

• 浏览器需通过本地 HTTP 服务访问页面（避免 file:// 模式导致的模块加载限制）。

快速开始

1. 启动本地 HTTP 服务（示例使用 Python 3）：

   python -m http.server 8000

2. 浏览器访问 http://localhost:8000/ocrusingollama.html。
3. 点击“测试连接”确认模型可用。
4. 选择提示词模板，上传图片或 PDF，点击“开始 OCR 识别”。
5. 根据需要复制结果或点击“下载 Markdown”。

自定义

• 提示词模板可在页面的“提示词模板”下拉框或直接编辑文本区域进行修改。
• 若页面与 pdf.js 文件路径不同，请在 ocrusingollama.html 中调整相对路径：

  import('./pdfjs/pdf.js')

• 如需使用其他模型，可修改脚本顶部的 MODEL_NAME 常量（当前固定为 deepseek-ocr:latest）。

已知限制

• DeepSeek-OCR 仅输出文本描述，不返回分段后的图片。
• PDF 中的复杂排版可能导致 Markdown 排版需要人工微调。
• 浏览器需支持 ES Modules；推荐使用最新 Chrome / Edge / Firefox。

目录结构

ocrusingollama/
├── ocrusingollama.html   # 主页面
├── README.md             # 项目说明
├── LICENSE               # 开源许可证
├── pdfjs/                # 本地化 pdf.js 运行时
│   ├── pdf.js
│   └── pdf.worker.js
└── pdfjs-5.4.394-dist/   # 原始 pdf.js 分发包（可选）

许可协议

• 代码主体使用 MIT License，详见 LICENSE。
• 本项目打包了 Apache License 2.0 授权的 PDF.js（参见 pdfjs-5.4.394-dist/LICENSE）。