答案：DeepSeekOCR本地部署后需手动保存识别结果，可通过Python将结果导出为.txt、.json或.csv文件；示例代码展示遍历识别结果并按原文件名自动命名保存，适用于Flask、FastAPI等环境，实现文本提取或结构化数据持久化。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
DeepSeekOCR 本地部署后，识别结果默认不会自动保存到文件，需要手动调用接口或修改代码实现导出。以下是几种常用的导出与保存识别结果的方法，适用于大多数本地部署环境（如 Python Flask、FastAPI 或直接调用 OCR 模型）。
1. 获取原始识别结果
在调用 DeepSeekOCR 的识别接口后，通常会返回一个包含文本框坐标、识别文字和置信度的 JSON 结构。例如：
[
{
"box": [x1, y1, x2, y2, x3, y3, x4, y4],
"text": "识别的文字内容",
"score": 0.98
},
...
]
这是后续导出的基础数据，需先确保能正确获取该结构。
2. 导出为文本文件（.txt）
将识别出的文字按行保存为纯文本文件，适合提取内容阅读或进一步处理。
操作方法：- 遍历识别结果列表，提取每个 item 中的 "text" 字段
- 写入 .txt 文件，每条结果占一行
示例代码（Python）：
results = model.ocr(image_path) # 假设这是你的识别调用
with open("output.txt", "w", encoding="utf-8") as f:
for line in results:
f.write(line["text"] + "\n")
3. 导出为结构化文件（JSON / CSV）
保留坐标、文本、置信度等完整信息，便于后期分析或系统对接。
JSON 导出示例：
import json
with open("output.json", "w", encoding="utf-8") as f:
json.dump(results, f, ensure_ascii=False, indent=2)
CSV 导出示例：
import csv
with open("output.csv", "w", newline="", encoding="utf-8") as f:
writer = csv.DictWriter(f, fieldnames=["text", "score", "box"])
writer.writeheader()
for line in results:
writer.writerow({
"text": line["text"],
"score": line["score"],
"box": ",".join(map(str, line["box"]))
})
4. 自动命名与批量保存
处理多张图片时，建议按原文件名生成对应的结果文件。
示例逻辑：- 输入图片名为
image_001.jpg，则输出为image_001.txt或image_001.json - 使用 os.path.splitext 分离文件名和扩展名
import os
img_name = "test.jpg"
base_name = os.path.splitext(img_name)[0]
with open(f"{base_name}_result.txt", "w", encoding="utf-8") as f:
for line in results:
f.write(line["text"] + "\n")
基本上就这些常用方式。根据你的使用场景选择导出格式，文本提取用 .txt，数据分析用 .csv 或 .json 即可。只要在识别后加一段保存逻辑，就能实现结果持久化。
