OCRmyPDF让你能搜索扫描版PDF文档
什么是 OCRmyPDF ?
OCRmyPDF
是一个Python
应用程序和库,可以轻松地将图像处理和OCR
(可识别、可搜索的文本)应用于现有OCR
文本层,使你可以搜索或复制粘贴它们。
镜像下载
在群晖上以 Docker 方式安装。
在注册表中搜索 ocrmypdf
,选择第一个 jbarlow83/ocrmypdf
,版本选择 latest
。
本文写作时,
latest
版本对应为v15.4.2
;
你也可以使用命令行,用 SSH
客户端登录到群晖后,依次执行下面的命令
# 拉取镜像
docker pull jbarlow83/ocrmypdf:latest
如果拉不动,可以试试 docker
代理网站:https://dockerproxy.com/,但是会多几个步骤
# 如果拉不动的话加个代理
docker pull dockerproxy.com/jbarlow83/ocrmypdf:latest
# 重命名镜像(如果是通过代理下载的)
docker tag dockerproxy.com/jbarlow83/ocrmypdf:latest jbarlow83/ocrmypdf:latest
# 删除代理镜像(如果是通过代理下载的)
docker rmi dockerproxy.com/jbarlow83/ocrmypdf:latest
下载完成后,可以在 映像
中找到
准备工作
【说明】:
- 与典型的
Docker
容器不同,OCRmyPDF Docker
容器是短暂的,它为一个OCR
作业运行并终止,就像命令行程序一样。因此,我们通常使用--rm
参数在容器退出时将其删除。- 默认情况下,
Docker
镜像包括英语、德语、简体中文、法语、葡萄牙语和西班牙语,所以中文用户不需要添加语言包。
在 docker
文件夹中,创建一个新文件夹 ocrmypdf
# 新建文件夹 ocrmypdf
mkdir -p /volume1/docker/ocrmypdf
# 进入 ocrmypdf 目录
cd /volume1/docker/ocrmypdf
准备一个文档用于测试,这是网页上打印生成的 pdf
文件,直接搜索 sam
是没有 没有匹配项
将这个文档放入 ocrmypdf
,命名为 input.pdf
测试验证
为了方便起见,创建一个 shell
别名来隐藏 Docker
命令。通过使用 alias
命令,为长或复杂的命令创建简短且易记的别名,以便更快地执行常用操作或减少输入的工作量
# 创建别名
alias docker_ocrmypdf='docker run --rm -i --user "$(id -u):$(id -g)" --workdir /data -v "$PWD:/data" jbarlow83/ocrmypdf:latest'
# 运行 OCR
docker_ocrmypdf /data/input.pdf /data/output.pdf
其中:
-- rm
:表示在容器退出时,会将其删除;--user "$(id -u):$(id -g)"
:用于指定在容器内运行的用户和组,确保容器内的进程以与宿主机相同的用户权限运行,以防止权限问题;--workdir /data
:指定容器内的工作目录;-v "$PWD:/data"
:将/volume1/docker/ocrmypdf
映射到了容器内的/data
;
运行完成后,会在 ocrmypdf
中看到多出了一个文件 output.pdf
下载到本地后,用 pdf
阅读器打开后,继续搜索 sam
显示有 2
处匹配
第二处
OCRmyPDF
不仅提供了基本的 OCR
功能,还包括一些高级功能,如自动旋转、自动裁剪、去除文本阴影、增强图像质量等。它使用了一些优秀的开源工具和库,如 Tesseract OCR
引擎、Ghostscript
和 ImageMagick
,以提供强大的 OCR
和 PDF
处理功能,当然,OCRmyPDF
无法打开使用数字证书加密的文档。
参考文档
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
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!