扫描PDF变可编辑？OCRmyPDF一键搞定，效率提升10倍！

已于 2025-04-10 16:51:12 修改
阅读量7.5k 收藏 31
点赞数 16
文章标签： pdf
于 2025-04-10 12:27:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/coderroad/article/details/147115934
版权

OCRmyPDF 是一款开源的命令行工具，专为将扫描的 PDF 文件转换为可搜索、可复制的文档。通过添加 OCR 文本层，OCRmyPDF 能够将无法直接编辑的扫描 PDF 文件变为可以搜索和编辑的格式。该工具基于 Tesseract OCR 引擎实现高效的文字识别，并支持多种语言和图像优化功能。

Stars 数26876
Forks 数1768

主要特点

  • OCR 文本层添加：为扫描的 PDF 文件添加 OCR 文本层。这意味着你可以轻松地在 PDF 文件中搜索文字内容，或者复制文字到其他地方。这对于需要从扫描文档中提取信息的用户来说简直是福音。

  • 多语言支持：它支持超过 100 种语言的 OCR 识别，无论是中文、英文、法文还是其他小语种，都能轻松应对。你只需要在命令中指定语言参数，OCRmyPDF 就会根据你的需求进行识别。

  • 图像优化与校正：OCRmyPDF 不仅能添加 OCR 文本层，还能优化 PDF 图像。它可以在 OCR 之前对图像进行校正，比如修复倾斜的页面、调整图像的对比度等，让生成的 PDF 文件更加清晰、美观。

  • 生成 PDF/A 文件：PDF/A 是一种专门用于长期存储的 PDF 格式，OCRmyPDF 默认生成 PDF/A 文件，这使得生成的 PDF 文件更适合长期保存和归档。

OCRmyPDF 作为一款开源的 PDF 处理工具，它集成了多种强大的功能，能够帮助我们轻松处理扫描后的 PDF 文件。无论是添加 OCR 文本层、优化图像还是校正页面，OCRmyPDF 都能高效地完成任务。它不仅节省了我们的时间，还提高了我们的工作效率。 

GitHub：https://github.com/ocrmypdf/OCRmyPDF

OCRmyPDF —— 让扫描PDF可搜索的开源神器
xiezhipu的博客
03-24 1209
OCRmyPDF凭借其高效、稳定和多语言支持的特性，成为处理扫描PDF的首选工具。无论是个人用户还是企业级应用，它都能显著提升文档管理的智能化水平。通过开源社区的持续贡献，OCRmyPDF的功能和兼容性仍在不断进化，未来有望支持更多OCR引擎和文件格式。参考资料OCRmyPDF GitHub仓库官方文档。
OCRmyPDF部署使用
weixin_49103875的博客
03-22 475
Ubuntu中OCRmyPDF部署使用，用来提取PDF内容转txt
扫描PDF档案效率提升300%！OCRmyPDF：告别无法搜索的PDF噩梦，这款26K Star的开源神器让文本识别轻松上手！
dotNET跨平台
04-08 236
就在前几天，我还在为这事抓狂呢！说白了，它会用OCR技术识别你的PDF中的文字，然后把这些文字藏在图像下面，这样你就能搜索、复制这些内容了，而且外观完全不变。最厉害的是，它不像其他OCR工具那样会生成一个全新的PDF（经常会搞乱排版），OCRmyPDF是直接在原PDF上添加文本层。我试过处理一份40页的扫描合同，用它处理后不仅能全文搜索了，文件体积还从15MB变成了9MB。此外，对于那些需要集成到其他系统的场景，OCRmyPDF还提供了Python API，可以直接在你的Python项目中调用。
使用 OCRmyPDF 将扫描 PDF 转为可搜索文档和文本文件
canduecho的专栏
03-27 739
OCRmyPDF 基于 Tesseract OCR 引擎，主要功能是为扫描的 PDF 添加可搜索的文本层。它支持多语言、页面调整、元数据修改等功能，并能通过--sidecar选项生成 TXT 文件。无论是命令行还是 Python 调用，它都是文档处理的高效选择。OCRmyPDF 是一个多功能的工具，支持命令行和 Python API。通过安装语言包（英文、简体中文、繁体中文），你可以处理多语言 PDF，生成可搜索的 PDF 和 TXT 文件。它提供了丰富的参数（如--jobs）和优化选项（如。
OCRmyPDF让你能搜索扫描版PDF文档
热门推荐
wbsu2004的博客
12-09 1万+
OCRmyPDF 为扫描的 PDF 文件添加 OCR 文本层，以便搜索或复制粘贴它们。
普通图片转为可复制的文字图片(PDF| OCRmyPDF)
zoeou的博客
11-25 671
识别图片64533220-b006-4182-b2b9-9bc621d797e4.jpg。ubuntu安装OCRmyPDF。安装中文语言包(中文横排)
OCRmyPDF－批量OCR扫描PDF工具，PDF OCR文字识别提取
Fast PDF Team的博客
02-12 3168
OCRmyPDF是一款高效强大的批量OCR工具，将基于图片生成的PDF、扫描文档或图片OCR识别导出为可编辑、可搜索的PDF文档。
OCRmyPDF：高效且精准的PDF光学字符识别工具
gitblog_00041的博客
03-19 4651
OCRmyPDF：高效且精准的PDF光学字符识别工具 项目地址:https://gitcode.com/gh_mirrors/oc/OCRmyPDF 是一个开源项目，它结合了图像处理和光学字符识别（OCR）技术，让非文本PDF文件变得可搜索、复制和编辑。这款工具对于那些需要从扫描文档或图像PDF中提取文字的专业人士来说，无疑是一大利器。 技术解析 OCRmyPDF 基于 Python 编写，利用了...
告别繁琐！本地化免费高清批量 PDF 转 JPG 神器来袭，一键极速转换无损画质！
最新发布
05-30
【内容简介】 这款本地化 PDF 转 JPG 工具专注于解决批量格式转换难题，支持单文件或...无论是几百页的书籍 PDF，还是多份合同文件，均可实现分钟级批量转换，让格式转换从此告别费时费力，成为办公学习的效率小帮手！
一款一键设置复印机SMB一FTP扫描设置软件 复印机维修员复印机网络扫描(SMB与FTP)一键安装 免除繁琐的步骤 让
10-31
一款一键设置复印机SMB一FTP扫描设置软件 复印机维修员复印机网络扫描(SMB与FTP)一键安装 免除繁琐的步骤 让
OCRmyPDF：OCRmyPDF将OCR文本层添加到扫描的PDF文件中，以便对其进行搜索
02-05
OCRmyPDF将OCR文本层添加到扫描的PDF文件中，从而可以搜索或复制粘贴它们。 ocrmypdf # it's a scriptable command line program -l eng+fra # it supports multiple languages --rotate-pages # it can fix pages that are misrotated --deskew # it can deskew crooked
OCRmyPDF-web：通过Web OCRing PDF文件的一个很小的前端
02-06
OCRmyPDF-web 一个运行简单Web服务。 在官方OCRmyPDF泊坞窗容器上构建，并添加了简单的REST API和轻量级的Web前端。 只需将PDF文件拖到浏览器窗口中，然后将OCRed文件下载回来即可！ 跑步 使用Dokku OCRmyPDF-web在设计时考虑了 。 只需遵循标准的Dockerfile部署步骤！ 使用Docker 在端口8888上暴露： docker run -p 8888:8000 --name ocrmypdf-web sseemayer/ocrmypdf-web 执照 与主项目一样，OCRmyPDF-web也是根据GNU GPL v3许可的。
Python库 | ocrmypdf-9.7.2.tar.gz
04-12
资源分类：Python库 所属语言：Python 资源全名：ocrmypdf-9.7.2.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
一键搞定！轻松更改远程桌面3389端口，提升安全性！
我在Citrix、VMware、Veeam、微软和NVIDIA等领域拥有丰富经验的专业人士，专注于设计和维护虚拟化基础设施、实施备份与灾难恢复策略，致力于优化企业的IT环境。
08-13 1251
一键搞定！轻松更改远程桌面3389端口，提升安全性！
OCRmyPDF：全能PDF光学字符识别工具及其Python集成
算命de博客
04-02 4561
OCRmyPDF是一款基于Google维护的开源OCR引擎Tesseract构建的强大工具，专为PDF文档提供高效的光学字符识别服务。它不仅能够自动检测页面方向，校正倾斜页面，消除图像噪声，而且能够将精确的OCR文本层叠加到PDF文档中，从而实现全文搜索和复制粘贴的功能。无论您是希望通过自动化脚本批量处理PDF，还是单个文档的精细化OCR需求，OCRmyPDF都以其强大而灵活的特性满足您的各种场景。总之，OCRmyPDF以其全面的功能集和经过大量实战检验的稳定性，成为处理扫描版PDF不可或缺的利器。
OCRmyPDF 安装详解
vkingnew 的技术博客
05-05 4227
概述 支持的操作系统： windows 10 下安装部署： windows下需要安装vc++ 2014版本. C:\Windows\System32>ver Microsoft Windows [版本 10.0.14393] windows下需要安装tesseract版本的软件： https://github.com/UB-Mannheim/tesseract/wiki t...
OCRmyPDF桌面端：一键PDF文字识别神器
gitblog_00453的博客
09-14 910
OCRmyPDF桌面端：一键PDF文字识别神器 OCRmyPDF-Desktop PDF OCR Application, adds an OCR text layer to scanned PDF files, allowing them to be copied and searched. ...
MacOS PDF库之OCRmyPDF(包装器脚本)
iCloudEnd的博客
07-22 607
OCRmyPDF OCRmyPDF将OCR文本层添加到扫描的PDF文件中，从而可以对其进行搜索或复制粘贴。 ocrmypdf # it's a scriptable command line program -l eng+fra # it supports multiple languages --rotate-...
请用java链表来实现LRU缓存淘汰策略呢
08-13
### 回答1： 可以使用java中的LinkedHashMap类来实现LRU缓存淘汰策略。LinkedHashMap是一种特殊的HashMap，它不仅保存了键值对，还维护了一个双向链表来记录插入顺序，当缓存满后，它会将最先插入的元素淘汰掉。 ### 回答2： LRU（最近最少使用）缓存淘汰策略是指在缓存满时，优先淘汰最近最少使用的数据。实现LRU缓存淘汰策略可以使用链表和哈希表的组合。 首先，我们可以创建一个双向链表的节点类，包含键值对的信息，以及前后指针。链表的头部表示最近访问的节点，尾部表示最久未使用的节点。 我们还需要一个哈希表，用于快速查找节点。哈希表的键是缓存的键，值是对应的节点。 接下来，我们需要实现缓存淘汰策略的几个操作： 1. 获取操作：当尝试获取缓存中的键值对时，如果哈希表中存在该键，则将对应的节点移动到链表头部，并返回该值。如果哈希表中不存在该键，则返回空。 2. 添加操作：当添加新的键值对时，如果该键已存在于缓存中，则将该节点移到链表头部，更新值。否则，创建新节点，并将其插入到链表头部和哈希表中。如果缓存已满，删除链表尾部的节点，并在哈希表中删除对应的键。 3. 删除操作：当从缓存中删除某个键值对时，找到对应的节点，从链表中删除该节点，并在哈希表中删除该键。 以上就是使用Java链表实现LRU缓存淘汰策略的基本思路。通过使用双向链表和哈希表的组合，能够快速实现缓存的增删改查操作，并保持对节点访问的顺序，以便实现LRU策略。 ### 回答3： LRU（Least Recently Used，最近最少使用）是一种常用的缓存淘汰策略，当缓存满时，会将最长时间未被使用的数据从缓存中淘汰。实现LRU缓存淘汰策略可以使用Java中的链表来实现。 Java中已经提供了LinkedList类，可以直接用于实现链表数据结构。接下来是一个简单的实现LRU缓存的示例代码： ``` import java.util.LinkedList; public class LRUCache<K, V> { private int capacity; private LinkedList<Entry<K, V>> cache; public LRUCache(int capacity) { this.capacity = capacity; this.cache = new LinkedList<>(); } public V get(K key) { Entry<K, V> entry = findEntryByKey(key); if (entry != null) { // 将使用的数据移动到链表头部 cache.remove(entry); cache.addFirst(entry); return entry.value; } return null; } public void put(K key, V value) { Entry<K, V> entry = findEntryByKey(key); if (entry != null) { // 如果key已存在，更新其value，并将数据移动到链表头部 entry.value = value; cache.remove(entry); cache.addFirst(entry); } else { // 如果key不存在，先判断容量是否已满，如果已满则移除最久未使用的数据 if (cache.size() >= capacity) { cache.removeLast(); } // 将新数据插入到链表头部 Entry<K, V> newEntry = new Entry<>(key, value); cache.addFirst(newEntry); } } private Entry<K, V> findEntryByKey(K key) { for (Entry<K, V> entry : cache) { if (entry.key.equals(key)) { return entry; } } return null; } private static class Entry<K, V> { private K key; private V value; public Entry(K key, V value) { this.key = key; this.value = value; } } } ``` 使用示例： ``` LRUCache<String, Integer> cache = new LRUCache<>(3); cache.put("a", 1); cache.put("b", 2); cache.put("c", 3); System.out.println(cache.get("a")); // 输出1 cache.put("d", 4); System.out.println(cache.get("b")); // 输出null，因为b是最久未使用的数据，已被淘汰 ``` 在LRUCache类中，使用LinkedList作为缓存的数据存储结构。缓存的最近使用的数据总是位于链表的头部，当需要访问或更新数据时，将其移动到链表头部。当缓存已满时，移除链表尾部的最久未使用的数据。 这种实现方式可以在O(1)的时间复杂度内实现get和put操作，符合LRU缓存淘汰策略的特性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值