mineru离线环境解析文档报“Connection to paddleocr.bj.bcebos.com timed out.”

一.错误描述

在离线环境的服务器中，使用mineru解析文档时，可能会报如下的错误：

HTTPSConnectionPool(host='paddleocr.bj.bcebos.com', port=443): Max retries exceeded with url: /PP-OCRv4/chinese/ch_PP-OCRv4_det_infer.tar (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object at 0x7ff1e49af100>, 'Connection to paddleocr.bj.bcebos.com timed out. (connect timeout=None)'))

报这个错误的原因是mineru中使用了百度飞浆的OCR的能力，在解析文档时，会自行下载百度飞浆的模型文件。由于服务器是离线环境，所以在下载模型文件时，会连接超时。

二.文件下载

针对上述问题，我们可以先在有网络的环境，将所需要的模型文件下载好后，再拷贝到离线环境的服务器中。根据本文中错误提示信息，我们发现是需要下载中中和英文的PP-OCRv4这个版本的OCR。本例中一共需要下载了三类模型文件。
1.ch_PP-OCRv4_det_infer.tar（文本检测模型）
作用:检测图像中文字的位置，用矩形框标出文本区域。

下载地址:

2.ch_PP-OCRv4_rec_infer.tar（文本识别模型）

作用:识别文本区域中的具体文字内容。

下载地址:https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_infer.tar

3.ch_ppocr_mobile_v2.0_cls_infer.tar（文本方向分类模型）

作用:判断文本的方向，进行自动旋转校正。

下载地址:https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar

三.文件拷贝

对于步骤二中已经下载好的三个模型文件，我们可以使用U盘将模型文件拷贝到离线的mineru服务器。本文中是将模型文件服务器的home目录下了。
1.ch_PP-OCRv4_det_infer.tar（文本检测模型）

tar -xvf ch_PP-OCRv4_det_infer.tar mkdir -p /root/.paddleocr/whl/det/ch/ch_PP-OCRv4_det_infer/ cp -R /home/ch_PP-OCRv4_det_infer/* /root/.paddleocr/whl/det/ch/ch_PP-OCRv4_det_infer/

2.ch_PP-OCRv4_rec_infer.tar（文本识别模型）

tar -xvf ch_PP-OCRv4_rec_infer.tar mkdir -p /root/.paddleocr/whl/rec/ch/ch_PP-OCRv4_rec_infer/ cp -R /home/ch_PP-OCRv4_rec_infer/* /root/.paddleocr/whl/rec/ch/ch_PP-OCRv4_rec_infer/

3.ch_ppocr_mobile_v2.0_cls_infer.tar（文本方向分类模型）

tar -xvf ch_ppocr_mobile_v2.0_cls_infer.tar mkdir -p /root/.paddleocr/whl/cls/ch_ppocr_mobile_v2.0_cls_infer/ cp -R /home/ch_ppocr_mobile_v2.0_cls_infer/* /root/.paddleocr/whl/cls/ch_ppocr_mobile_v2.0_cls_infer/

完成以上三个步骤的命令后，我们就把mineru所需要的模型文件拷贝到了相应的目录，此时mineru就可以完成文档解析的操作了。
对于使用docker安装的mineru服务，我们可以使用docker cp命令将所有的模型文件拷贝到容器的/root/.paddleocr/whl/对应的目录下即可。拷贝完成后，最好以此容器为基础来创建一个新的镜像，再以这个新镜像来启动容器，以避免容器重新启动后，拷贝的模型文件又被还原了。

docker cp /home/... container:/root/.paddleocr/...