OCRmyPDF

OCRmyPDF 是一款开源的命令行工具，用于将扫描的 PDF 文件转换为可搜索、可复制的文档。它通过叠加 OCR 文本层来实现这一功能，从而让原本无法编辑或搜索的 PDF 文件变得可编辑和可搜索 。OCRmyPDF 支持多种语言，包括超过 100 种语言，并且能够修复旋转错误的页面、校正倾斜的 PDF，以及更改输出元数据 。该工具使用 Tesseract OCR 引擎进行文字识别，支持多语言处理，并且能够生成 PDF/A 格式的文件，以确保文档的长期保存和可访问性 。

• OCRmyPDF官网入口网址：https://ocrmypdf.readthedocs.io/
• OCRmyPDF开源项目地址：https://github.com/ocrmypdf/OCRmyPDF

OCRmyPDF 的安装和使用相对简单，用户只需安装 Python、Tesseract OCR 和 Ghostscript，然后通过命令行安装 OCRmyPDF 即可 。该工具支持 Linux、macOS 和 Windows 系统，并且可以通过多种方式安装，包括包管理器或 Docker 镜像 。OCRmyPDF 的许可遵循 Mozilla Public License 2.0（MPL-2.0），允许与其他代码集成，但要求发布源代码级修改 。

OCRmyPDF 的主要功能包括：将扫描的 PDF 文件转换为可搜索的 PDF 文件，支持多语言处理，优化 PDF 图像，保持原始图像分辨率，以及支持批量处理和多核处理以提高处理速度 。OCRmyPDF 还支持插件和自定义处理步骤，以满足不同用户的需求。

OCRmyPDF 是一个强大且易于使用的工具，适用于个人用户、学术研究者和法律专业人士，能够显著提升文档处理和搜索的效率 。OCRmyPDF 的 GitHub 仓库提供了详细的文档和社区支持，用户可以通过 GitHub 问题页面报告问题并获得响应 。

OCRmyPDF 是一款功能强大、开源且易于使用的工具，能够帮助用户将扫描的 PDF 文件转换为可搜索、可复制的文档，提高文档处理和搜索的效率。