说起来你可能不信，我上周被一张手写报销单折腾了整整一个下午。

领导签字龙飞凤舞，会计那边又催着交表，我坐在工位上一边猜那几个字到底写的啥，一边疯狂查模板对照——那种感觉，谁经历谁懂。

当时我就想问：都2026年了，怎么识别个手写字还这么费劲？手机摄像头都能翻译整页英文了，怎么中文手写体还是个老大难？

然后我在GitHub Trending上刷到了 Chandra——一个专注复杂表格、手写体识别的新型开源OCR模型。上线没多久，GitHub 6000+ stars。

带着"又来一个噱头项目"的怀疑，我用了一周。结论先放前面——它真的解决了一个很实在的问题。

为什么传统OCR总是"差点意思"？

我踩过的坑不少：百度OCR、腾讯OCR、ABBYY FineReader，印刷体识别率确实能打，95%以上没问题。但一碰到手写体、表格、复杂表单，它们就开始掉链子。

最崩溃的是：文字能识别，但整个结构全乱了。

一张报销单，有项目名称、金额、日期、审批人签字。传统OCR跑一遍，输出的就是一堆文字混在一起——它根本不知道哪几个字是金额、哪几个字是签字。

Chandra做的，就是把这个断层接上。

​

Chandra强在哪？实测说清楚

1. 表格结构还原

它不只是提取单元格文字，而是真的"理解"了这是个表格——行、列、合并单元格，全还原回去。输出JSON或HTML，直接拿到结构化数据，二次处理很方便。

我测了一张有合并单元格的财务报表，试了好几个工具都输出一坨乱码。Chandra出来的JSON直接带行列层级关系，检查了三遍确认它没搞错——那一刻是真的服。

2. 手写体识别

这是测下来最惊喜的部分。我找了几张同事的手写笔记：会议速记、填了一半的申请表，字体参差不齐那种。识别率大概85%左右，不完美，但比我预期的好太多。

说实话，能做到这个程度，确实超出我的预期。

3. 表单语义理解

它不只做OCR，还顺带"看懂"表单结构。比如一个问卷，它能识别出"这里是姓名栏"、"这里是多选题"、"这里是签名区"——字段类型和内容一起提取，不用再手动对应，这个体验很顺。

4. 文档结构保留

标题在哪里、批注在哪里、页眉页脚在哪里——Chandra不会把这些揉成一团。

实测：47份报销单，传统方式 vs Chandra

上周整理47份历史报销单，2019-2021年间的扫描件，有些字迹已经比较淡了。

用传统OCR处理：识别文字 + 手动录入Excel，47份预估要五六个小时。

用Chandra处理：扫描件批量丢进去，导出JSON，小脚本写入Excel。整个流程——包括调试脚本的时间——不到40分钟。纯OCR部分，大概10分钟。

以前五六个小时的活，现在10分钟？有那么一瞬间有点恍惚。

适合谁用？

• 财务、行政：每天处理大量手写报销单、表单

• 市场调研：问卷录入最枯燥

• 档案管理：年代久远的手写档案

• 数据安全敏感人群：财务、医疗、法律文档不想上传到第三方服务器的

为什么推荐它？三个真实原因

1. 开源 + 可本地部署，数据不外流。用云端OCR服务，财务数据、内部表单，统统经过第三方服务器——对很多企业来说，这是合规红线。Chandra可以完全跑在自己服务器上，没有API限制，没有按页计费，数据不离开你的网络。

2. 专攻复杂场景，不贪大求全。Chandra不是通用OCR的替代品，是专项工具——专门搞那些让传统OCR头疼的情况。定位清晰，反而做得扎实。

3. 社区活跃，维护勤。看了下commit记录和issue区，维护得挺认真的。

用Chandra这一周，我最大的感受是：AI工具真的在一点点填补那些"以前只能靠人工"的缝隙。

你身边有没有被手写表格折磨的朋友？转给TA看看，说不定能帮上忙。

阅读原文：原文链接