OCRmyPDF 是一個(gè)開(kāi)源的 Python 腳本工具，旨在通過(guò)OCR（光學(xué)字符識(shí)別）技術(shù)，將掃描的PDF文件中的圖像內(nèi)容轉(zhuǎn)化為可搜索、可復(fù)制粘貼的文本層。簡(jiǎn)單來(lái)說(shuō)，它能將PDF文件中的文字提取出來(lái)，同時(shí)保留原有的圖像分辨率，確保用戶能夠輕松復(fù)制和粘貼內(nèi)容。這個(gè)工具不僅支持多種語(yǔ)言，還能夠處理數(shù)千頁(yè)的文件，堪稱PDF處理領(lǐng)域的神器！

主要功能

1. OCR文本提取與保留圖像分辨率OCRmyPDF 的核心功能是將PDF文件中的OCR文本提取出來(lái)，并將其準(zhǔn)確地放置在圖像下方，這樣用戶就可以輕松復(fù)制和粘貼文字內(nèi)容。同時(shí)，它能夠保留原始圖像的分辨率，避免因壓縮或調(diào)整而丟失質(zhì)量。
2. 多語(yǔ)言支持作為T(mén)esseract OCR引擎的親兒子，OCRmyPDF 支持超過(guò)100種語(yǔ)言，無(wú)論是中文、英文還是其他語(yǔ)言，都能輕松識(shí)別并提取。
3. 優(yōu)化PDF圖像通過(guò)OCRmyPDF，用戶可以優(yōu)化PDF圖像，通常生成的文件比輸入文件小，節(jié)省存儲(chǔ)空間。
4. 預(yù)處理功能OCRmyPDF 提供了預(yù)處理功能，用戶可以根據(jù)需求對(duì)圖像進(jìn)行校正或清理，然后再進(jìn)行OCR識(shí)別，確保后續(xù)操作的準(zhǔn)確性。
5. 無(wú)損插入OCR信息該工具能夠盡可能以無(wú)損方式插入OCR信息，不會(huì)干擾其他內(nèi)容，確保文件的完整性和可編輯性。
6. 多核支持OCRmyPDF 在所有可用的CPU核心上分配工作，能夠高效處理大量文件，提升處理速度。

開(kāi)源成就

目前已經(jīng)獲得16.5K Star

安裝指南

安裝OCRmyPDF非常簡(jiǎn)單，它支持多種操作系統(tǒng)：

• Linux：通過(guò)包管理器安裝，例如?apt install ocrmypdf。
• macOS：通過(guò) Homebrew 或其他工具安裝。
• Windows：通過(guò) Docker 鏡像安裝。
• FreeBSD：通過(guò)?pkg install py-ocrmypdf?安裝。

安裝完成后，用戶可以通過(guò)命令行運(yùn)行工具，根據(jù)需求添加OCR層、轉(zhuǎn)換文件格式或處理其他操作。

功能展示

生成 PDF/A 文件

ocrmypdf?input.pdf?output.pdf

說(shuō)明：添加 OCR 層，生成 PDF/A 格式文件，適合長(zhǎng)期保存。

生成普通 PDF 文件

ocrmypdf?--output-type?pdf?input.pdf?output.pdf

說(shuō)明：添加 OCR 層，生成普通 PDF 文件，適合日常使用。

生成 PDF 和文本文件

ocrmypdf?--sidecar?output.txt?input.pdf?output.pdf

說(shuō)明：生成 PDF 文件的同時(shí)，提取文字到單獨(dú)的文本文件，方便后續(xù)處理。

OCRmyPDF 是一個(gè)功能強(qiáng)大且易于使用的工具，能夠幫助用戶高效處理PDF文件。無(wú)論是提取OCR文本、優(yōu)化圖像還是處理多語(yǔ)言文件，它都能提供卓越的表現(xiàn)。如果你正在尋找一款能夠提升PDF處理效率的工具，OCRmyPDF絕對(duì)值得一試！

開(kāi)源地址: https://github.com/ocrmypdf/OCRmyPDF/

[超站]友情鏈接：

四季很好，只要有你，文娛排行榜：https://www.yaopaiming.com/
關(guān)注數(shù)據(jù)與安全，洞悉企業(yè)級(jí)服務(wù)市場(chǎng)：https://www.ijiandao.com/