OCRmyPDF 是一款主要用于為掃描的 PDF 文件添加可搜索和可復制的 OCR 文本層的工具，支持多語言，能優(yōu)化圖像、糾偏、清潔頁面，并自動旋轉方向等功能。以下是OCRmyPDF的本地部署方法：

OCRmyPDF本地部署方法

OCRmyPDF 提供了多種安裝方式，具體取決于你的操作系統(tǒng)和需求。

1. 通過系統(tǒng)包管理器安裝

Debian/Ubuntu：

apt install ocrmypdf

Fedora：

dnf install ocrmypdf tesseract-osd

macOS (Homebrew)：

brew install ocrmypdf

Windows Subsystem for Linux：

apt install ocrmypdf

2. 使用 Python pip 安裝

如果你需要安裝最新版本或系統(tǒng)包管理器提供的版本較舊，可以使用 pip：

pip install ocrmypdf

或者，使用 pipx 來創(chuàng)建隔離的 Python 環(huán)境：

pipx install ocrmypdf

3. 使用 Docker 安裝

如果你使用 Docker，可以通過以下命令安裝 OCRmyPDF 的 Docker 鏡像：

docker pull jbarlow83/ocrmypdf

運行時可以將輸入和輸出文件掛載到容器中：

docker run -v /path/to/input.pdf:/input.pdf -v /path/to/output.pdf:/output.pdf jbarlow83/ocrmypdf /input.pdf /output.pdf

4. 從源代碼安裝

如果你需要從源代碼安裝（例如開發(fā)或測試最新功能），可以克隆 GitHub 倉庫并安裝：

git clone https://github.com/ocrmypdf/OCRmyPDF.git
cd OCRmyPDF
pip install -e .

依賴項

• Python 3.10 或更高版本

• Ghostscript 9.54 或更高版本

• Tesseract 4.1.1 或更高版本

• jbig2enc 0.29 或更高版本（可選，用于優(yōu)化輸出文件大小）

• pngquant 2.5 或更高版本（可選，用于優(yōu)化 PNG 圖像）

• unpaper 6.1 或更高版本（可選，用于清潔圖像）

注意要點

• 32 位支持：OCRmyPDF 不支持 32 位系統(tǒng)，建議使用 64 位版本。

• Windows 用戶：建議使用 Windows Subsystem for Linux 或 Docker 來避免兼容性問題。

• macOS 用戶：可以通過 Homebrew 安裝，但需要額外安裝 Tesseract 的語言包（如 tesseract-lang）。

驗證安裝

安裝完成后，可以通過以下命令驗證 OCRmyPDF 是否安裝成功：

ocrmypdf --version

OCRmyPDF使用教程

1. 添加 OCR 文本層

核心功能：為掃描的 PDF 文件添加可搜索的文本層，使文檔內容可復制、可搜索。

示例命令：

ocrmypdf input.pdf output.pdf

2. 多語言支持

功能描述：支持超過 100 種語言，用戶可以根據文檔的語言選擇合適的語言包，提高 OCR 的準確率。

示例命令：

ocrmypdf --language chi_sim input.pdf output.pdf  # 簡體中文
ocrmypdf --language eng input.pdf output.pdf      # 英文

3. 圖像優(yōu)化

功能描述：優(yōu)化 PDF 中的圖像，包括調整分辨率、壓縮圖像大小等，生成更小的文件，同時保持圖像質量。

示例命令：

ocrmypdf --optimize 3 input.pdf output.pdf  # 最強優(yōu)化

4. 糾偏和清潔

功能描述：在執(zhí)行 OCR 之前，對圖像進行糾偏（糾正傾斜）和清潔（去除污點、噪點等），提高 OCR 的準確率。

示例命令：

ocrmypdf --deskew --clean input.pdf output.pdf

5. 自動旋轉頁面

功能描述：自動檢測頁面的方向并旋轉頁面，確保所有頁面的方向一致，便于閱讀和處理。

示例命令：

ocrmypdf --rotate-pages input.pdf output.pdf

6. 轉換為 PDF/A 格式

功能描述：將輸出文件轉換為 PDF/A 格式，這是一種國際標準的歸檔格式，適合長期存儲。

示例命令：

ocrmypdf --output-type pdfa input.pdf output.pdf

7. 去除重復頁面

功能描述：自動檢測并去除 PDF 中的重復頁面，減少文件大小。

示例命令：

ocrmypdf --remove-background input.pdf output.pdf

8. 背景去除

功能描述：去除 PDF 頁面中的背景，使文字更加清晰，便于閱讀。

示例命令：

ocrmypdf --remove-background input.pdf output.pdf

9. 生成 PDF/A 格式

功能描述：生成符合 PDF/A 標準的文件，適合長期歸檔和存儲。

示例命令：

ocrmypdf --output-type pdfa input.pdf output.pdf

10. 跳過已 OCR 的頁面

功能描述：如果 PDF 中某些頁面已經包含文本層，可以跳過這些頁面，避免重復處理。

示例命令：

ocrmypdf --skip-text input.pdf output.pdf

11. 自定義 DPI

功能描述：可以指定 OCR 處理時的圖像分辨率（DPI），默認值為 300 DPI。

示例命令：

ocrmypdf --dpi 350 input.pdf output.pdf

12. 轉換為單色圖像

功能描述：將彩色或灰度圖像轉換為單色圖像，減少文件大小。

示例命令：

ocrmypdf --output-type pdf --monochrome input.pdf output.pdf

13. 生成日志文件

功能描述：生成詳細的日志文件，便于調試和記錄處理過程。

示例命令：

ocrmypdf --log-file output.log input.pdf output.pdf

14. 批量處理

功能描述：結合腳本或命令行工具（如 GNU Parallel），可以批量處理多個 PDF 文件。

示例命令：

for file in *.pdf; do
ocrmypdf "$file" "output_$file"
done

15. 支持多種輸入格式

功能描述：支持從多種格式的文件生成 PDF，包括 TIFF、PNG 等。

示例命令：

ocrmypdf input.tiff output.pdf

16. 壓縮 PDF

功能描述：在 OCR 處理后，可以進一步壓縮 PDF 文件，減少文件大小。

示例命令：

ocrmypdf --optimize 3 input.pdf output.pdf

17. 轉換為 PDF/A-2b 或 PDF/A-2u

功能描述：生成符合 PDF/A-2b 或 PDF/A-2u 標準的文件，適合不同需求。

示例命令：

ocrmypdf --output-type pdfa-2b input.pdf output.pdf
ocrmypdf --output-type pdfa-2u input.pdf output.pdf

18. 支持 Unicode

功能描述：支持 Unicode 字符，確保多語言文檔的正確處理。

示例命令：

ocrmypdf --language chi_sim --language eng input.pdf output.pdf

19. 自定義輸出文件名

功能描述：可以自定義輸出文件的名稱，便于管理和識別。

示例命令：

ocrmypdf input.pdf "output_with_date_$(date +%Y%m%d).pdf"

20. 支持命令行參數

功能描述：通過命令行參數，可以靈活配置 OCRmyPDF 的各種功能。

示例命令：

ocrmypdf --help

OCRmyPDF本地部署及使用教程：https://ocrmypdf.readthedocs.io/en/latest/installation.html