如何将扫描的 PDF 转换为带文本的 PDF

Question

我已经将大约 80 页扫描成灰度 pdf（图像格式）。文件的最终大小约为70MB，非常庞大。

现在我正在寻找一种方法将基于灰度图像的 PDF 文件转换为简单的基于黑白文本的 PDF 文件。

我做了很多尝试，gs但都没有成功（只有百分之几的恢复）。如果任何专家有任何想法，请告诉我。

Answer 1

gImageReader 是一个简单的 GTK+ 前端到tesseract-ocr.

sudo apt-get install gimagereader tesseract-ocr

对德文感到抱歉

Answer 2

你可以试试pdfocr：

 sudo add-apt-repository ppa:gezakovacs/pdfocr
 sudo apt-get update
 sudo apt-get install pdfocr

执行语法是

 pdfocr -i input.pdf -o output.pdf

其中input.pdf是输入文件和output.pdf输出文件的名称。

默认情况下，它使用 Tesseract。要安装它：

 sudo apt-get install tesseract-ocr

pdfocr 创建一个嵌入的文本层。