企业官网建设流程全解析

OCRmyPDF 快速上手：给扫描 PDF 加上可搜索的文本层

【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF

OCRmyPDF 是一个命令行工具，给扫描版 PDF 添加 OCR 文本层，让原本只能"看图"的文件变得可搜索、可复制、可归档。适合经常处理扫描件、旧报纸影印件、手机拍文档的办公和归档用户。

什么时候用得上

• 老扫描件无法复制文字：扫描出来的 PDF 只有一张图，选中文字会失败，你只能手动重打一遍。
• 混合文档里有图有文：PDF 里既有可复制的页、也有纯扫描页，需要给缺文本的页单独补一层。
• 批量归档历史文件：几百页的影印件要长期保存，还希望搜索关键词能直接定位到页。

安装

按你的系统选一条命令：

apt install ocrmypdf # Debian / Ubuntu / WSL dnf install ocrmypdf tesseract-osd # Fedora brew install ocrmypdf # macOS 及 Linux (Homebrew)

包管理器会自动装好 Tesseract 等依赖；Windows 没有单行命令，可走 WSL，或参考 docs/installation.md 的 pip 方式。

第一条能跑通的命令

ocrmypdf --deskew input.pdf output.pdf # 校正倾斜并加文本层

运行完打开 output.pdf：图片还在原位，按住 Ctrl 就能选中、搜索、复制文字了。输入和输出可以是同一个文件名，处理成功才会覆盖，详见 docs/advanced.md。

常用选项速查

组合用法

手机拍的文档常见方向错加倾斜，一次处理两件事：

ocrmypdf --deskew --rotate-pages scan.pdf out.pdf

扫描旧文档时先去除背景杂色，再连同纯文本一起输出：

ocrmypdf --remove-background --sidecar out.txt old.pdf out.pdf

🔍 容易踩的坑

Q：识别出来的字不对或是一堆乱码？A：多半是语言包没装对，或-l没指定，见 docs/languages.md。另外 Tesseract 不认识手写体，扫描质量差结果也会差。

Q：输出文件为什么比原文件大？A：默认输出 PDF/A 归档格式，会把字体等资源全部嵌入。只要普通 PDF 就加--output-type pdf。

Q：--clean和--clean-final有什么区别？A：--clean只影响 OCR 过程，不改输出图像；--clean-final会把清理后的图写进结果，使用前要逐页确认没误删内容。

深入资源

• docs/cookbook.md：图片转 PDF、多语言等更多用法
• docs/optimizer.md：--optimize各等级的说明
• docs/errors.md：报错信息对照与处理办法
• misc/watcher.py：文件监听批处理的示例脚本

装好以后，拿第 4 节那条命令跑一个你自己的扫描件，看看文本层是不是真的能选中。

【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF