OCRmyPDF 扫描件文字识别

给扫描版 PDF 加上可搜索、可复制的文字层

需要技术AI 整理,待开发者认领计算机视觉
评分人数不足呦探分评分人数不足大众分评分方法
这个页面由 AI 根据官网公开信息整理,可能有错。产品团队可以认领后修改。 认领这个产品

这个项目只有源代码,需要会编程才能用。

星标
3.5万
GitHub 下载量
1.9万
复刻
2441
主要语言
Python
许可证
MPL-2.0
最近更新
复制安装指令(给 AI 编程工具)

粘贴到 Codex、Claude Code、Cursor、Trae 等 AI 编程工具里,回车就会开始安装。第一次复制前请先阅读风险提示。

这些文件由项目作者放在 GitHub 上,本站不开发、不托管这些软件,也不检测其代码;国内访问 GitHub 可能较慢。使用前请阅读 第三方软件风险提示和项目的许可证。 数据更新于 2026/11/01 报告问题

介绍

OCRmyPDF 是一个命令行工具,为扫描得到的 PDF 文件添加 OCR 文字层,让内容可以搜索和复制粘贴。它基于 Tesseract 识别引擎,支持 100 多种语言(可安装简体中文语言包),默认输出适合长期存档的 PDF/A 格式。

能做什么

  • 把文字层放在页面图像下方,保留原图分辨率,并可压缩文件体积
  • 识别前自动纠偏、清理图像,并修正方向错误的页面
  • 多核并行处理上千页的文件,可用插件换用 PaddleOCR、EasyOCR 等识别引擎

运行需要:Linux、macOS、Windows 或 FreeBSD,可通过系统包管理器、Homebrew 或 Docker 安装;依赖 Python、Ghostscript 和 Tesseract 4.1.1 及以上版本。在本地处理文件。

这段介绍由 AI 根据项目的公开说明整理,可能有疏漏,以项目主页为准。

评测

0 条评测

还没有评测。用过的话,来写第一条吧。

写评测