本次和大家分享一个非常热门强大的PDF文件内容OCR识别软件OCRmyPDF,这个软件可以将PDF内不可搜索的图片和文字识别转换为可复制可搜索的文本,并对PDF文件进行优化。

OCRmyPDF介绍
OCRmyPDF 为扫描的 PDF 文件添加 OCR 文本层,以便搜索
- 从常规 PDF生成可搜索的PDF/A文件
- 将 OCR 文本准确放置在图像下方,以方便复制/粘贴
- 保持原始嵌入图像的精确分辨率
- 如果可能,以“无损”操作插入 OCR 信息,而不会破坏任何其他内容
- 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 之前校正和/或清理图像
- 验证输入和输出文件
- 将工作分配到所有可用的 CPU 核心
- 使用Tesseract OCR引擎识别100多种语言
- 保护您的私人数据不受侵犯。
- 适当扩展以处理数千页的文件。
- 经过数百万份 PDF 的实战测试。
OCRmyPDF整合包使用说明
OCRmyPDF依赖其它外部程序Ghostscript和Tesseract,网盘内有安装程序,全程保持默认安装即可
安装Tesseract最后一步会自动下载英文的语言包文件,有的人可能会无法下载,可以直接cancel取消跳过,到我网盘里下载需要的语言包放到Tesseract安装目录内的tessdata文件夹内
然后将软件压缩包OCRmyPDF.7z下载到本地电脑上并解压,然后双击【启动软件.exe】打开软件
首先选择待处理文件,可以是PDF也可以是图片,也可以输入文件夹路径批量处理文件夹内所有文件。
批处理功能做的比较简单,所有文件是同时处理的,所以建议待处理的文件夹内不要有太多文件,否则可能会比较卡。而且待处理文件夹内不要有PDF和图片以外的文件。如果待处理的文件夹内有图片,批量处理还要设置【图片DPI】值
【OCR语言】默认只支持英文,识别其它语言的话需要下载支持文件.traineddata,常见语言网盘里有,把.traineddata格式文件下载到tesseract安装目录tessdata文件夹内,语言代码如下:
简体中文:chi_sim
繁体中文:chi_tra
德语:deu
法语:fra
日语:jpn
韩语:kor
俄语:rus
泰语:tha
缅甸语:vie
识别英语可以不用填写,识别其它语言的话需要在输入框中输入语言代码。如果是多种语言的话可以混合输入,识别中英文的话可以输入:eng+chi_sim
其它国家语言代码对照表:https://nuowa.net/1796
其它语言包文件下载链接:https://github.com/tesseract-ocr/tessdata
【重新OCR】强制对每页重新渲染并 OCR
【跳过文本】跳过已有文本的页面(仅处理纯图片页)
【重新OCR】和【跳过文本】不可同时选中
【校正倾斜】自动校正页面倾斜(提升 OCR 准确率),比如扫描出的PDF文档内容是倾斜的,可以开启此项功能
【清理伪影】清理扫描伪影(如黑边、噪点)并将处理后的图像嵌入最终 PDF
如果需要使用【清理伪影】功能,则电脑上需要安装unpaper,unpaper安装步骤如下:
首先安装Chocolatey,以 管理员身份 打开 PowerShell,运行以下命令:
Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://chocolatey.org/install.ps1'))
安装完成后关闭终端,再重新打开终端,然后运行下面命令:
choco install unpaper
【图片DPI】处理图片文件的话要指定该值
【输出格式】默认输出 pdfa
存档,pdf
格式修改最小,还有pdfa-1,pdfa-2,pdfa-3等
【标题】自定义 PDF 元数据标题
【指定页面】只处理指定的PDF页面,填数字如1,2,5-8,逗号和连字符都要用英文符号
【线程数】设置并行线程数(默认使用所有 CPU 核心)
【输出txt】生成独立的txt格式的OCR 文本文件(用于校对或文本分析)
【图像压缩级别】0无压缩,3最高压缩(最大节省空间)
使用【图像压缩级别】功能的话,电脑上需要安装pngquant, PowerShell运行下面命令安装
choco install pngquant
视频教程及效果演示:https://nuowa.net/1799
注意事项
整合包只支持windows10或11
软件运行路径中不要有非英文字符和空格,待处理文件同样要注意
PDF OCR识别转文本软件OCRmyPDF下载链接
相关推荐
最近更新

AI歌曲生成软件DiffRhythm本地电脑安装部署教程及注意事项

AI歌曲创作软件DiffRhythm一键启动包,自定义风格AI谱曲演唱
DiffRhythm是首个基于扩散技术的开源音乐生成模型,能够创作完整的歌曲,包括AI谱曲,AI演唱。基于当前最新V1.2版本我制作了免安装一键启动整合包。 DiffRhythm介绍 Di♪♪Rhythm:速度惊人、简单至极、具有潜在扩散的...

表情转移对口型软件LivePortrait本地电脑安装部署教程及注意问题

漫画图片文字翻译软件manga-image-translator本地电脑安装部署教程及问题修复

字节跳动多图合成软件UNO本地电脑安装部署教程及注意问题

AI视频生成软件FramePack本地电脑安装部署教程

虚拟试衣产品设计多图合成软件UNO一键启动整合包,人物转动漫工具
UNO是字节跳动开发的一款多主体图像生成软件,解决了角色或物体一致性的问题,可用于漫画、虚拟试衣等场景。我基于当前最新版本制作了免安装一键启动整合包。 UNO介绍 UNO是一款基于扩散模型的AI图像生成工具,核心目标是解决AI生成图像时难以...

临时邮箱,一次性匿名gmail.com邮箱
有时候网站需要测试一些功能,比如注册登录等,需要用到邮箱,但是自己的邮箱有限,不能更多的测试效果,这时候就需要一些不同后缀的一次性邮箱,网上有很多这样的一次性匿名邮箱,后缀很多,非常适合测试使用,下面分享几个比较好用的临时邮箱。 Gmail...

免费AI视频生成软件FramePack整合包下载,本地离线AI图片转视频工具
前段时间阿里开源了一个AI视频生成工具WAN2.1,可以实现文本转视频和图片转视频,虽说很强大,但是测试之后感觉软件对电脑配置要求太高了,感觉应该大部分用户都用不了,而且只支持720P视频,清晰度有些低,所以没和大家分享。前些天又出了一个更...

PDF OCR图片文字内容识别软件OCRmyPDF下载,免费PDF扫描内容转可搜索可复制工具
本次和大家分享一个非常热门强大的PDF文件内容OCR识别软件OCRmyPDF,这个软件可以将PDF内不可搜索的图片和文字识别转换为可复制可搜索的文本,并对PDF文件进行优化。 OCRmyPDF介绍 OCRmyPDF 为扫描的 PDF 文件添...