本帖最后由 d8349565 于 2022-10-1 00:11 编辑
【OCRmyPDF】在线转换可搜索文字PDF
“专业的IT人员不做繁琐的日常文件管理工作，专业的白领也负担不起软件定制与维护”
以上大概就是我开始自学Python编程的原因吧！
一、说明
OCRmyPDF是一个应用程序和库，它向PDF中的图像添加文本“层”，使扫描的PDF图像可搜索。它使用OCR来猜测图像中包含的文本。它是用Python编写的。OCRmyPDF支持允许自定义处理步骤的插件。
近期看到关于OCRmyPDF的推文，联想到自己手上扫描的协议、文件一大把，有时页码较多，查找关键内容很不便捷，于是下班时间折腾了两天，完成了Windows本地化安装测试（可批量、可选页、可输入图片等），文件处理后，相当于在PDF文件的每一页中添加了透明的文本层，内容检索非常效率。
| 在网页截图保存到PDF（特地选择清晰度较低文件），然后转换进行对比 |
转换后，可在文档内搜索文本内容，也能复制粘贴出来 |
 |
 |
为了发个帖子，在linux服务器中部署了程序，在以下网页供大家使用测试。
个人服务器部署测试
二、使用方式
三、安装方式
# 服务器安装顺序
sudo apt-get -y remove ocrmypdf
sudo apt-get -y update
sudo apt-get -y install \
ghostscript \
icc-profiles-free \
libxml2 \
pngquant \
python3-pip \
tesseract-ocr \
zlib1g
pip3 install ocrmypdf
# 简单的python代码，具体参数参考官方文档
import ocrmypdf
file = r'input.pdf'
output = r'output.pdf'
ocrmypdf.ocr(file,output ,lang=['chi_sim','eng'], deskew=True)
| 
[复制链接]
发表于 2022-9-30 23:27
|
发表于 2022-10-1 10:33
