OCRmyPDF 逆天開源！GitHub狂攬15萬+星，模糊掃描PDF秒變高清可搜文檔！
什么是 OCRmyPDF ？
PDF 是存儲和交換掃描文檔的最佳格式。不幸的是，PDF 可能很難修改。OCRmyPDF 是一個 Python 應用程序和庫，可以輕松地將圖像處理和 OCR（可識別、可搜索的文本）應用于現有 PDF，通過向掃描的 PDF 文件添加 OCR 文本層，使你可以搜索或復制粘貼它們。
鏡像下載
在群暉上以 Docker 方式安裝。
在注冊表中搜索 ocrmypdf ，選擇第一個 jbarlow83/ocrmypdf，版本選擇 latest。
本文寫作時， latest 版本對應為 v15.4.2；
你也可以使用命令行，用 SSH 客戶端登錄到群暉后，依次執行下面的命令
docker pull jbarlow83/ocrmypdf:latest
如果拉不動，可以試試 docker 代理網站：https://dockerproxy.com/，但是會多幾個步驟
docker pull dockerproxy.com/jbarlow83/ocrmypdf:latest
docker tag dockerproxy.com/jbarlow83/ocrmypdf:latest jbarlow83/ocrmypdf:latest
docker rmi dockerproxy.com/jbarlow83/ocrmypdf:latest
下載完成后，可以在 映像 中找到
準備工作
【說明】：
- 與典型的
Docker 容器不同，OCRmyPDF Docker 容器是短暫的，它為一個 OCR 作業運行并終止，就像命令行程序一樣。因此，我們通常使用 --rm 參數在容器退出時將其刪除。 - 默認情況下，
Docker 鏡像包括英語、德語、簡體中文、法語、葡萄牙語和西班牙語，所以中文用戶不需要添加語言包。
在 docker 文件夾中，創建一個新文件夾 ocrmypdf
mkdir -p /volume1/docker/ocrmypdf
cd /volume1/docker/ocrmypdf
準備一個文檔用于測試，這是網頁上打印生成的 pdf 文件，直接搜索 sam 是沒有 沒有匹配項
將這個文檔放入 ocrmypdf，命名為 input.pdf
測試驗證
為了方便起見，創建一個 shell 別名來隱藏 Docker 命令。通過使用 alias 命令，為長或復雜的命令創建簡短且易記的別名，以便更快地執行常用操作或減少輸入的工作量
alias docker_ocrmypdf='docker run --rm -i --user "$(id -u):$(id -g)" --workdir /data -v "$PWD:/data" jbarlow83/ocrmypdf:latest'
docker_ocrmypdf /data/input.pdf /data/output.pdf
其中：
-- rm：表示在容器退出時，會將其刪除；--user "$(id -u):$(id -g)"：用于指定在容器內運行的用戶和組，確保容器內的進程以與宿主機相同的用戶權限運行，以防止權限問題；--workdir /data：指定容器內的工作目錄；-v "$PWD:/data"：將 /volume1/docker/ocrmypdf 映射到了容器內的 /data ；
運行完成后，會在 ocrmypdf 中看到多出了一個文件 output.pdf
下載到本地后，用 pdf 閱讀器打開后，繼續搜索 sam 顯示有 2 處匹配
第二處
OCRmyPDF 不僅提供了基本的 OCR 功能，還包括一些高級功能，如自動旋轉、自動裁剪、去除文本陰影、增強圖像質量等。它使用了一些優秀的開源工具和庫，如 Tesseract OCR 引擎、Ghostscript 和 ImageMagick，以提供強大的 OCR和 PDF處理功能，當然，OCRmyPDF 無法打開使用數字證書加密的文檔。
參考文檔
ocrmypdf/OCRmyPDF: OCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched
地址：https://github.com/ocrmypdf/OCRmyPDF
OCRmyPDF documentation
地址：https://ocrmypdf.readthedocs.io
jbarlow83/ocrmypdf - Docker Image | Docker Hub
地址：https://hub.docker.com/r/jbarlow83/ocrmypdf
該文章在 2025/2/5 17:14:28 編輯過
400 186 1886
