,,

OCRmyPDF：免費開源高效的OCR處理工具！讓掃描PDF文件變得可搜索、可復(fù)制！

當(dāng)前位置：點晴教程→知識管理交流 →『技術(shù)文檔交流』

admin

2025年3月3日 22:12 本文熱度 360

在工作中，我們常常遇到各種各樣的PDF文件，其中不乏一些掃描版的文檔。

而在處理掃描的 PDF 文件時，雖然文件內(nèi)容看似完整，但你卻無法復(fù)制、搜索其中的文本。

特別是對大量文檔需要進行文本分析、存檔、或者進行后期編輯時，這種不可搜索的狀態(tài)極大降低了效率。

還有的文檔，都是圖片，想要提取其中的文本就變得更加異常困難。

現(xiàn)在給大家推薦一個神奇的工具：OCRmyPDF，它能夠讓您輕松解決這個問題，將掃描版PDF文件轉(zhuǎn)化為可搜索、可復(fù)制的文檔。

?? 項目簡介

OCRmyPDF 是一款開源的命令行工具，專門用于將掃描的 PDF 文件轉(zhuǎn)換為可搜索、可復(fù)制的文檔。

通過將 OCR 文本層疊加到原始 PDF 文件上，OCRmyPDF 能夠讓原本無法編輯或搜索的 PDF 文件具備搜索與復(fù)制的功能。

通過 OCRmyPDF，掃描的 PDF 文件不僅能夠保持原始圖像質(zhì)量，還能高效地進行文字識別。還支持超過 100 種語言，并且基于強大的 TesseractOCR 引擎實現(xiàn)高效的文字識別，極大提升了識別準確率。

?? 主要功能

? 將掃描PDF轉(zhuǎn)化為可搜索、可復(fù)制文檔
? 支持超過100種語言
? 糾偏+清潔圖像，優(yōu)化圖像質(zhì)量，提升識別準確率
? 高效的多核處理與批量處理功能
? 易于集成，命令行操作
? 支持 PDF 編輯功能

?? 快速使用

使用 OCRmyPDF 其實非常簡單，不論在哪個系統(tǒng)上都只需要一個安裝命令即可。

OCRmyPDF 本質(zhì)上是一個命令行工具，支持 Linux、macOS 和 Windows 系統(tǒng)。你可以通過以下命令來安裝它：

在 Linux 上安裝：

sudo apt-get install ocrmypdf

在 macOS 上安裝：

brew install ocrmypdf

在 Windows 上安裝：

首先，你需要在系統(tǒng)上安裝 Python 和 TesseractOCR。然后，你可以通過 pip 安裝 OCRmyPDF：

python3 -m pip install ocrmypdf

使用參數(shù)如下：

ocrmypdf                     
   -l eng+fra  # 支持多種語言
   --rotate-pages  # 用于修復(fù)錯誤頁面
   --deskew  # 校正扭曲的PDF文件
   --title "My PDF" # 更改輸出元數(shù)據(jù)
   --jobs 4  # 默認使用多核
   --output-type pdfa  # 默認生成PDF
   input_scanned.pdf # 輸入文件路徑，文件或圖片
   output_searchable.pdf # 輸出文件名