是的，DeepSeek 识别 PDF 和图片内容的 Python 代码可以开源！虽然 DeepSeek 本身并不直接支持 OCR 功能，但我们可以通过结合开源工具（如 PaddleOCR、Tesseract 和 PyMuPDF）实现类似的功能。以下是完整的 Python 代码示例，您可以直接使用或根据需求进行修改。

1. 实现功能

• 文本型 PDF：直接提取 PDF 中的文本层。
• 图像型 PDF 或图片：使用 OCR 工具（如 PaddleOCR）提取文字。
• 调用 DeepSeek 模型：将提取的文本传递给 DeepSeek 模型进行处理。

2. 安装依赖

在运行代码之前，请确保安装以下依赖：

pip install paddleocr fitz requests

3. 完整代码示例

以下是一个开源的 Python 代码示例，展示如何实现 PDF 和图片内容的识别，并调用 DeepSeek 模型进行处理：

import fitz  # PyMuPDF
from paddleocr import PaddleOCR
import requests

# 初始化 PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")

def extract_text_from_pdf(pdf_path):
    """
    从 PDF 文件中提取文本内容。
    - 对于文本型 PDF，直接提取文字。
    - 对于图像型 PDF，使用 OCR 提取文字。
    """
    # 打开 PDF 文件
    pdf_document = fitz.open(pdf_path)
    text = ""

    # 遍历每一页
    for page_num in range(len(pdf_document)):
        page = pdf_document.load_page(page_num)
        page_text = page.get_text()

        if page_text.strip():  # 如果是文本型 PDF
            text += page_text
        else:  # 如果是图像型 PDF，使用 OCR
            pix = page.get_pixmap()
            image_path = f"page_{page_num + 1}.png"
            pix.save(image_path)
            result = ocr.ocr(image_path, cls=True)
            page_text = "\n".join([line[1][0] for line in result[0]])
            text += page_text

    return text

def extract_text_from_image(image_path):
    """
    从图片中提取文本内容。
    """
    # 调用 PaddleOCR 识别图片中的文字
    result = ocr.ocr(image_path, cls=True)
    text = "\n".join([line[1][0] for line in result[0]])
    return text

def call_deepseek_model(text, model_size="7B"):
    """
    调用 DeepSeek 模型处理文本。
    """
    url = "http://localhost:11434/api/generate"  # ollama 的 API 地址
    payload = {
        "model": f"deepseek-r1:{model_size}",
        "prompt": f"请处理以下文本：{text}",
        "stream": False
    }
    response = requests.post(url, json=payload)
    return response.json()["response"]

def process_file(file_path):
    """
    处理文件（PDF 或图片），提取文本并调用 DeepSeek 模型。
    """
    if file_path.endswith(".pdf"):
        text = extract_text_from_pdf(file_path)
    elif file_path.endswith((".jpg", ".png", ".jpeg")):
        text = extract_text_from_image(file_path)
    else:
        raise ValueError("不支持的文件格式")

    # 调用 DeepSeek 模型处理文本
    result = call_deepseek_model(text, model_size="13B")
    return result

# 示例：处理文件
file_path = "example.pdf"  # 或 "example.jpg"
result = process_file(file_path)
print("提取的文本：", result)

4. 运行代码

1. 将上述代码保存为 pdf_image_to_text.py。
2. 运行代码：

   python pdf_image_to_text.py
   

5. 代码说明

• PDF 解析：使用 PyMuPDF 提取文本型 PDF 的文字，对于图像型 PDF，使用 PaddleOCR 提取文字。
• 图片识别：使用 PaddleOCR 提取图片中的文字。
• DeepSeek 调用：将提取的文本传递给 DeepSeek 模型进行处理。

6. 开源许可

此代码基于开源工具（如 PaddleOCR、PyMuPDF）实现，您可以自由使用、修改和分发。如果您希望将此代码用于商业用途，请确保遵守相关开源工具的许可协议。

7. 总结

通过结合开源工具，我们可以实现 PDF 和图片内容的识别，并将提取的文本传递给 DeepSeek 模型进行处理。此代码完全开源，您可以根据需求进行修改和扩展。