Chandra是一个专注于高精度文档版面解析与结构化识别的开源OCR工具。
它不仅支持印刷文字识别，还能准确提取手写笔迹，并完整重建表格、表单、复选框、数学公式以及多栏布局等复杂元素。
该项目在GitHub上已获得4.1k+星标，采用Apache-2.0开源协议，支持40多种语言，适用于批量文档解析、智能表单提取、多语言OCR等实际应用场景。
功能特点
Chandra最引人注目的能力在于其对手写体文字的高精度识别。
复杂表格与表单还原
在处理如政府申报表等结构化文档时，Chandra能够精准识别表格线条、填写内容及勾选状态，甚至对手写日期、签名等元素也能完整保留其逻辑结构。例如，一张竞选捐款申报表中的姓名、地址、日期等字段均被准确提取，体现出强大的版面理解能力。
手写体识别
在一张手写英文医疗证明中，即便笔迹连笔严重、书写不规范，Chandra仍能准确输出如“Name of Patient: Age: Sex Address: Date: 8-8-24 RX…”等关键信息。这一特性使其特别适合用于历史档案、手写笔记或老旧文件的数字化工作。
数学公式与科学文献识别
Chandra对数学符号、公式排版具备良好支持。在技术论文或教材摘录中，模型可准确识别并还原如层归一化公式（LayerNorm (x+Sublayer(x))）、维度标识（dmodel=512）等复杂数学表达式，极大方便了学术资源的数字化处理。
多栏版面与艺术字体适应
面对报纸等复杂版面，Chandra能够有效区分多栏文本、图片标题与正文内容，甚至对风格独特的艺术字体（如《纽约时报》报头）也能准确识别。这说明其在布局分析与字体适应性方面具有较强鲁棒性。
性能对比与评测依据
根据官方发布的基准测试结果，Chandra在多项指标上表现优异，尤其在“手写体”（80.3）、“表格”（88.0）和“旧扫描文档”（50.4）等场景中显著优于部分主流模型。
在开源 OCR 领域，没有绝对的最佳模型，但 Chandra 凭借手写体识别的突破性表现，无疑为有相关需求的用户提供了更优选择。
GitHub：https://github.com/datalab-to/chandra
