ContextQMD
Back to Ocrmypdf

OCRmyPDF 中文说明

README_ZH.md

17.4.28.3 KB
Original Source

OCRmyPDF 中文说明

我将为您创建一个中文版的 README.md 文件。以下是基于原始英文版本的中文翻译：

markdown:/Users/huapai/PycharmProjects/OCRmyPDF/README.md
<!-- SPDX-FileCopyrightText: 2014 Julien Pfefferkorn -->
<!-- SPDX-FileCopyrightText: 2015 James R. Barlow -->
<!-- SPDX-License-Identifier: CC-BY-SA-4.0 -->



[![构建状态](https://github.com/ocrmypdf/OCRmyPDF/actions/workflows/build.yml/badge.svg)](https://github.com/ocrmypdf/OCRmyPDF/actions/workflows/build.yml) [![PyPI 版本][pypi]](https://pypi.org/project/ocrmypdf/) ![Homebrew 版本][homebrew] ![ReadTheDocs][docs] ![Python 版本][pyversions]

[pypi]: https://img.shields.io/pypi/v/ocrmypdf.svg "PyPI 版本"
[homebrew]: https://img.shields.io/homebrew/v/ocrmypdf.svg "Homebrew 版本"
[docs]: https://readthedocs.org/projects/ocrmypdf/badge/?version=latest "RTD"
[pyversions]: https://img.shields.io/pypi/pyversions/ocrmypdf "支持的 Python 版本"

OCRmyPDF 为扫描的 PDF 文件添加 OCR 文本层，使其可以被搜索或复制粘贴。

```bash
ocrmypdf                      # 这是一个可脚本化的命令行程序
   -l eng+fra                 # 支持多种语言
   --rotate-pages             # 可以修正旋转错误的页面
   --deskew                   # 可以校正倾斜的 PDF！
   --title "My PDF"           # 可以更改输出元数据
   --jobs 4                   # 默认使用多核心处理
   --output-type pdfa         # 默认生成 PDF/A 格式
   input_scanned.pdf          # 接受 PDF 输入（或图像）
   output_searchable.pdf      # 生成经过验证的 PDF 输出

查看发布说明了解最新变更的详情。

主要特点

  • 从普通 PDF 生成可搜索的 PDF/A 文件
  • 准确地将 OCR 文本放置在图像下方，便于复制/粘贴
  • 保持原始嵌入图像的精确分辨率
  • 在可能的情况下，以"无损"操作方式插入 OCR 信息，不破坏任何其他内容
  • 优化 PDF 图像，通常生成比输入文件更小的文件
  • 如果需要，在执行 OCR 前对图像进行校正和/或清理
  • 验证输入和输出文件
  • 在所有可用的 CPU 核心上分配工作
  • 使用 Tesseract OCR 引擎识别超过 100 种语言
  • 保护您的私人数据安全
  • 适当扩展以处理包含数千页的文件
  • 在数百万 PDF 上经过实战测试

详情请参阅文档。

开发动机

我在网上搜索免费的命令行工具来对 PDF 文件进行 OCR：我找到了很多，但没有一个真正令人满意：

  • 要么它们生成的 PDF 文件中文本位置错误（使复制/粘贴变得不可能）
  • 要么它们不处理重音和多语言字符
  • 要么它们改变了嵌入图像的分辨率
  • 要么它们生成了体积巨大的 PDF 文件
  • 要么它们在尝试 OCR 时崩溃
  • 要么它们不生成有效的 PDF 文件
  • 最重要的是，它们都不生成 PDF/A 文件（专为长期存储设计的格式）

...所以我决定开发自己的工具。

安装

支持 Linux、Windows、macOS 和 FreeBSD。Docker 镜像也可用，同时支持 x64 和 ARM。

操作系统安装命令
Debian, Ubuntuapt install ocrmypdf
Windows Subsystem for Linuxapt install ocrmypdf
Fedoradnf install ocrmypdf
macOS (Homebrew)brew install ocrmypdf
macOS (MacPorts)port install ocrmypdf
macOS (nix)nix-env -i ocrmypdf
LinuxBrewbrew install ocrmypdf
FreeBSDpkg install py-ocrmypdf
Ubuntu Snapsnap install ocrmypdf

对于其他用户，请参阅我们的文档了解安装步骤。

语言

OCRmyPDF 使用 Tesseract 进行 OCR，并依赖其语言包。对于 Linux 用户，您通常可以找到提供语言包的软件包：

bash
# 显示所有 Tesseract 语言包的列表
apt-cache search tesseract-ocr

# Debian/Ubuntu 用户
apt-get install tesseract-ocr-chi-sim  # 示例：安装中文简体语言包

# Arch Linux 用户
pacman -S tesseract-data-eng tesseract-data-deu # 示例：安装英语和德语语言包

# brew macOS 用户
brew install tesseract-lang

然后，您可以向 OCRmyPDF 传递 -l LANG 参数，提示它应该搜索哪些语言。可以请求多种语言。

OCRmyPDF 支持 Tesseract 4.1.1+。它会自动使用在 PATH 环境变量中首先找到的版本。在 Windows 上，如果 PATH 不提供 Tesseract 二进制文件，我们会根据 Windows 注册表使用已安装的最高版本号。

文档和支持

安装 OCRmyPDF 后，可以通过以下方式访问内置帮助，解释命令语法和选项：

bash
ocrmypdf --help

我们的文档托管在 Read the Docs 上。

请在我们的 GitHub issues 页面上报告问题，并遵循问题模板以获得快速响应。

功能演示

bash
# 添加 OCR 层并转换为 PDF/A
ocrmypdf input.pdf output.pdf

# 将图像转换为单页 PDF
ocrmypdf input.jpg output.pdf

# 就地为文件添加 OCR（仅在成功时修改文件）
ocrmypdf myfile.pdf myfile.pdf

# 使用非英语语言进行 OCR（查找您语言的 ISO 639-3 代码）
ocrmypdf -l fra LeParisien.pdf LeParisien.pdf

# OCR 多语言文档
ocrmypdf -l eng+fra Bilingual-English-French.pdf Bilingual-English-French.pdf

# 校正（矫正倾斜的页面）
ocrmypdf --deskew input.pdf output.pdf

更多功能，请参阅文档。

要求

除了所需的 Python 版本外，OCRmyPDF 还需要外部程序安装 Ghostscript 和 Tesseract OCR。OCRmyPDF 是纯 Python 编写的，几乎可以在所有平台上运行：Linux、macOS、Windows 和 FreeBSD。

媒体报道

商业咨询

如果没有公司和用户选择为功能开发和咨询提供支持，OCRmyPDF 就不会成为今天的软件。我们很乐意讨论所有咨询，无论是扩展现有功能集，还是将 OCRmyPDF 集成到更大的系统中。

许可证

OCRmyPDF 软件根据 Mozilla 公共许可证 2.0 (MPL-2.0) 授权。此许可证允许将 OCRmyPDF 与其他代码集成，包括商业和闭源代码，但要求您发布对 OCRmyPDF 所做的源代码级修改。

OCRmyPDF 的某些组件有其他许可证，如标准 SPDX 许可证标识符或 DEP5 版权和许可信息文件所示。一般来说，非核心代码根据 MIT 许可，文档和测试文件根据 Creative Commons ShareAlike 4.0 (CC-BY-SA 4.0) 许可。

免责声明

本软件按"原样"分发，不提供任何明示或暗示的保证或条件。

这份中文版 README.md 保留了原始文档的所有重要信息，包括功能介绍、安装说明、语言支持、使用示例等内容，同时保持了原始格式和结构。