小智 26
我在 Cuneiform OCR 系统的 BSD 许可的Linux 端口上取得了成功。
似乎没有可用的二进制包，因此您需要从源代码构建它。确保安装了 ImageMagick C++ 库以支持任何输入图像格式（否则它将只接受 BMP）。
虽然除了简短的 README 文件外，它似乎基本上没有记录，但我发现 OCR 结果非常好。它的好处是它可以以hOCR格式输出 OCR 文本的位置信息，因此可以将文本放回 PDF 文件隐藏层中的正确位置。通过这种方式，您可以创建“可搜索”的 PDF，您可以从中复制文本。
我使用hocr2pdf从原始的纯图像 PDF 和 OCR 结果中重新创建 PDF。遗憾的是，该程序似乎不支持创建多页 PDF，因此您可能需要创建一个脚本来处理它们：
#!/bin/bash
# Run OCR on a multi-page PDF file and create a new pdf with the
# extracted text in hidden layer. Requires cuneiform, hocr2pdf, gs.
# Usage: ./dwim.sh input.pdf output.pdf
set -e
input="$1"
output="$2"
tmpdir="$(mktemp -d)"
# extract images of the pages (note: resolution hard-coded)
gs -SDEVICE=tiffg4 -r300x300 -sOutputFile="$tmpdir/page-%04d.tiff" -dNOPAUSE -dBATCH -- "$input"
# OCR each page individually and convert into PDF
for page in "$tmpdir"/page-*.tiff
do
base="${page%.tiff}"
cuneiform -f hocr -o "$base.html" "$page"
hocr2pdf -i "$page" -o "$base.pdf" < "$base.html"
done
# combine the pages into one PDF
gs -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile="$output" "$tmpdir"/page-*.pdf
rm -rf -- "$tmpdir"
请注意，上面的脚本非常简陋。例如，它不保留任何 PDF 元数据。
小智 15
看看pdftotext是否适合你。如果它不在你的机器上，你必须安装 poppler-utils 包
sudo apt-get install poppler-utils
您可能还会找到使用的pdf 工具包。
PDF软件的完整列表在这里维基百科。
编辑：由于您确实需要OCR 功能，我认为您必须尝试不同的方法。（即我找不到执行 OCR 的 linux pdf2text 转换器）。
将pdf转换为图像
gs：以下命令应将多页 pdf 转换为单独的 tiff 文件。
gs -SDEVICE=tiffg4 -r600x600 -sPAPERSIZE=letter -sOutputFile=filename_%04d.tif -dNOPAUSE -dBATCH -- 文件名
ImageMagik 实用程序：SuperUser 站点上还有其他有关使用 ImageMagik 的问题，您可能会使用它们来帮助您进行转换。
转换 foo.pdf foo.png
使用 OCR 将图像转换为文本
取自维基百科的OCR 软件列表
Rus*_*uss 13
Google docs现在将使用 OCR 将您上传的图像/pdf 文档转换为文本。我已经取得了很好的成功。
他们正在使用用于巨大的Google Books项目的 OCR 系统。
但是，必须注意的是，仅接受大小为 2 MB 的 PDF 进行处理。
更新
1. 要试用它，请从网络浏览器将 <2MB 的 pdf 上传到 google 文档。
2. 右键单击上传的文档，然后单击“使用 Google 文档打开”。
...Google Docs 将转换为文本并输出到同名但 Google Docs 类型在同一文件夹中的新文件。
最好和最简单的方法是使用pypdfocr它不会改变 pdf
pypdfocr your_document.pdf
最后，您将获得另your_document_ocr.pdf一种您想要的带有可搜索文本的方式。该应用程序不会改变图像的质量。通过添加覆盖文本稍微增加文件的大小。
pypdfocr自 2016 年起不再受支持，我注意到由于未维护而导致的一些问题。ocrmypdf( module ) 做一个类似的工作，可以这样使用：
ocrmypdf in.pdf out.pdf
安装：
pip install ocrmypdf
或者
apt install ocrmypdf
| 归档时间： |
|
| 查看次数： |
62340 次 |
| 最近记录： |