RapidOCR Python 贡献指南

感谢你对 RapidOCR Python 部分的关注！本文档说明如何参与 Python 目录下的代码开发与贡献，包括环境准备、开发流程和提交流程。

前置要求

Python >= 3.6（推荐 3.8+）
Git
已注册的 GitHub 账号

一、克隆源码

从 RapidOCR 主仓库克隆项目到本地：

git clone https://github.com/RapidAI/RapidOCR.git
cd RapidOCR

若网络受限，可使用镜像或代理；也可先 fork 到个人账号后再克隆（见后文「准备提交」部分）。

二、进入 Python 目录并配置环境

cd python

建议使用虚拟环境，避免与系统 Python 冲突：

# 使用 venv
python -m venv .venv
source .venv/bin/activate   # Linux/macOS
# .venv\Scripts\activate    # Windows

# 或使用 conda
conda create -n rapidocr python=3.10
conda activate rapidocr

安装依赖（开发时建议可编辑安装以便本地修改生效）：

pip install -r requirements.txt
pip install pytest  # 运行单元测试需要
# 可选：以可编辑模式安装当前包，便于调试
pip install -e .

如需使用 ONNX Runtime 等推理后端，请按文档安装对应依赖（如 rapidocr_onnxruntime 等）。

三、安装代码格式化与 pre-commit 钩子

在 开发者环境 下安装 pre-commit，并启用 Git 提交前钩子，以便自动做代码格式检查与整理（如 black、autoflake 等）：

# 在 python 目录下、已激活的虚拟环境中安装
pip install pre-commit

# 到仓库根目录 RapidOCR 下安装 Git 钩子（.pre-commit-config.yaml 在根目录）
cd ..   # 若当前在 python 目录，先回到仓库根目录
pre-commit install

安装成功后，每次执行 git commit 时会自动运行配置好的格式化工具；若检查未通过，提交会被拒绝，请根据提示修改后再次提交。也可在提交前手动跑一遍：

# 在仓库根目录执行
pre-commit run --all-files

四、运行单元测试

在 python 目录下 执行：

# 运行全部测试
pytest tests/ -v

# 仅运行部分测试文件
pytest tests/test_input.py -v
pytest tests/test_det_cls_rec.py -v

# 查看测试覆盖率（需先安装 pytest-cov）
pytest tests/ -v --cov=rapidocr

确认当前主分支在你本机环境下测试通过，再进行修改。

五、复现问题 / 增加新功能

复现 Bug

在 Issues 中选定或创建对应 issue。
根据 issue 描述与报错信息，在本地用 python 目录下的代码复现问题。
在 rapidocr/ 或 tests/ 下定位并修改代码，直到问题消失。

增加新功能

与 maintainer 或现有 issue 讨论需求与实现方式（可选但推荐）。
在 rapidocr/ 下实现新逻辑，保持与现有代码风格一致（项目使用 black 等规范）。
新功能应有对应单元测试覆盖。

六、编写对应单元测试

测试文件放在 python/tests/ 下，命名建议 test_*.py。
使用 pytest 编写用例，可参考现有 test_input.py、test_det_cls_rec.py、test_cli.py 等。
测试用图片等资源放在 tests/test_files/。
新增测试应：
- 能稳定复现你要验证的行为（Bug 修复或新功能）；
- 不依赖未在仓库或文档中说明的外部服务（必要时用 mock 或跳过）。

示例：

# tests/test_xxx.py
import pytest
from pathlib import Path

root_dir = Path(__file__).resolve().parent.parent
tests_dir = root_dir / "tests" / "test_files"

@pytest.fixture()
def engine():
    from rapidocr import RapidOCR
    return RapidOCR()

def test_your_new_feature(engine):
    img_path = tests_dir / "ch_en_num.jpg"
    result = engine(img_path)
    assert result is not None
    # 更多断言...

七、运行所有单元测试

在 python 目录下 再次全量跑测，确保无回归：

pytest tests/ -v

若有测试被跳过（如缺少某推理引擎），请确认你修改或新增的测试在现有环境下已执行并通过。

八、准备提交到仓库

8.1 Fork RapidOCR 主仓库到个人账号

打开 RapidOCR 主仓库。
点击右上角 Fork，将仓库 fork 到你自己的 GitHub 账号下（例如 https://github.com/你的用户名/RapidOCR）。

8.2 将代码提交到个人 Fork

若最初是克隆的主仓库，需要把远程改为你的 fork，并推送到 fork：

# 在项目根目录 RapidOCR 下执行
git remote add myfork https://github.com/你的用户名/RapidOCR.git
# 若已有 origin 且就是主仓库，可保留；推送时用 myfork

# 创建分支（推荐为每个 issue/功能单独分支）
git checkout -b fix/xxx   # 或 feat/xxx

# 添加并提交你在 python 目录下的修改
git add python/
git status   # 确认只提交预期文件
git commit -m "fix(python): 简短描述"

# 推送到你的 fork
git push myfork fix/xxx

请按约定式提交规范（Conventional Commits）书写 commit 信息 ，便于维护者阅读与自动生成 Changelog。格式为：

<类型>[可选范围]: <简短描述>

[可选正文]
[可选脚注]

常用类型示例：

类型	说明
`feat`	新功能
`fix`	Bug 修复
`docs`	文档变更
`style`	代码格式（不影响逻辑）
`refactor`	重构
`test`	测试相关
`chore`	构建/工具等

示例：fix(python): 修复某条件下识别结果为空、feat(python): 支持 xxx 输入格式。

8.3 向 RapidOCR 主仓库提交 Pull Request（PR）

打开你 fork 后的仓库页面（如 https://github.com/你的用户名/RapidOCR）。
若刚推送分支，页面上通常会出现 Compare & pull request，点击即可；否则在 Branches 里选择你刚推送的分支，再点 New pull request 。
确认 base 仓库 为 RapidAI/RapidOCR、base 分支 为 main（或仓库默认主分支），head 仓库 为你的 fork、head 分支 为你的分支（如 fix/xxx）。
填写 PR 标题和说明：
- 标题：简要概括修改内容（如「Fix: 修复 Python 下 xxx 问题」）。
- 说明中建议包含：
  - 对应 Issue 编号（若有）：Fixes #123 或 Related to #123。
  - 修改原因与主要改动。
  - 如何验证：例如「在 python 目录下执行 pytest tests/ -v 通过」。
提交 PR，等待 maintainer 审查；根据反馈再在本地修改并推送同一分支，PR 会自动更新。

流程小结

步骤	说明
1	克隆 RapidOCR 源码
2	进入 `python` 目录，配置虚拟环境并安装依赖与 pytest
3	安装 pre-commit（`pip install pre-commit`），在仓库根目录执行 `pre-commit install` 安装 Git 钩子
4	运行单元测试，确认基线通过
5	复现问题或实现新功能
6	编写/补充对应单元测试
7	在 `python` 目录下运行全部测试并确认通过
8	Fork 主仓库到个人账号
9	按约定式提交规范编写 commit，将修改提交并推送到个人 Fork 的对应分支
10	在主仓库创建 PR，从个人 Fork 分支指向主仓库 main

其他说明

代码风格 ：项目采用 black、autoflake 等规范，已通过 pre-commit 钩子在提交时自动检查；也可在仓库根目录执行 pre-commit run --all-files 手动跑一遍。
文档：更多安装与使用说明见 RapidOCR 文档。
问题与讨论 ：Bug 与功能建议可通过 GitHub Issues 反馈。

再次感谢你的贡献！

CONTRIBUTING-CN.md 7.9 KB Постоянная ссылка История Исходник