用户可以批量上传需要识别的照片，上传成功后，系统会启动Hangfire后台Job来调用PaddleOCR服务并返回结果，这个过程类似于微服务架构模型。
PaddleOCR
PaddleOCR是一个由百度AI团队开源的项目，目前在所有免费开源OCR项目中，识别效果名列前茅。如果您没有Python开发经验，可能在环境部署上会遇到一些挑战，但通常可以找到解决方案。
DEMO: https://RazoR.i247365.net/inVoices/index
用户上传需要识别的文件，由于我的虚拟机性能较差，因此系统必须在后台自动进行识别。
系统完成识别后会自动通知用户并更新状态，用户可以预览识别结果。
运行环境
.NET 5.0 > Python 3.7 > ASP.NET Core Razor Page application 5.0
源代码分支 (feature_inVoice_ocR) RazorPageCleanArchitecture feature_inVoice_ocR PaddleOCR Web API (CentOS 阿里云主机) PaddlePaddle/PaddleOCR Hangfire Dashboard HangfireIO/Hangfire技术栈 ASP.NET Core jQuery/JavaScript EasyUI Python安装PaddleOCR环境
经测试，PaddleOCR可在glibc 2.23上运行，您也可以尝试其他glibc版本或安装glibc 2.23。
PaddleOCR 工作环境
PaddlePaddle 2.0.0
Python 3.7
glibc 2.23
cuDNN 7.6+ (GPU)
建议使用我们提供的Docker来运行PaddleOCR，关于Docker和NVIDIA-Docker的使用，请参考相关链接。
如果您希望在Mac或Windows上直接运行预测代码，可以从第2步开始执行。
在解析发票信息时，目前依然采用较为传统的方法，通过正则表达式匹配需要的字段，例如发票金额、开票日期、发票号码等，因为这种方式是免费的，并没有提供像收费服务那样智能的匹配。只要有足够的数据，也可以通过自我训练实现更智能的识别，因此我预留了Label字段，目的是先手动设定相应的字段，然后通过坐标数据进行训练。
是不是很简单，很酷？
最后
