欢迎来到开源软件替代网 · 安全、纯净、免费的开源软件下载平台 首页 网站地图
开源软件替代网OSS.897M.COM
OCRmyPDF 图标
PDF 工具 MPL-2.0 Python ★ 3.5万 Star

OCRmyPDF OCRmyPDF

为扫描版 PDF 添加可搜索文本层的开源命令行工具,替代 Adobe Acrobat 等商业 OCR 软件。

最新版本v17.14.2
安装包大小7.4 MB
支持系统Linux
更新日期2026-11-16
开源协议MPL-2.0
可替代的商业软件Adobe Acrobat Pro、ABBYY FineReader、Readiris、Foxit PhantomPDF

软件详细介绍

OCRmyPDF 是一款专注于为扫描版 PDF 文件添加 OCR 文本层的开源命令行工具,由 James R. Barlow 等人开发维护。它能够将原本只能查看的扫描件转换为可搜索、可复制粘贴的 PDF/A 文件,非常适合需要归档大量纸质文档的个人、图书馆、档案馆和企业。

核心功能

  • 生成可搜索 PDF/A:在原始图像下方精确放置 OCR 文本层,保持原始图像分辨率,并输出符合长期保存标准的 PDF/A 格式。
  • 无损操作:尽可能以无损方式插入 OCR 信息,不破坏原有内容,同时优化图像,常使输出文件比输入更小。
  • 图像预处理:支持自动纠偏(deskew)、旋转校正(rotate-pages)和图像清理,提升 OCR 准确率。
  • 多语言识别:基于 Tesseract OCR 引擎,支持超过 100 种语言,可同时识别多种语言。
  • 多核并行:自动利用所有 CPU 核心,高效处理数千页的大文件。
  • 输入输出验证:对输入和输出文件进行校验,确保文件有效。
  • 插件扩展:提供插件接口,可替换 OCR 引擎(如 Apple Vision、EasyOCR、PaddleOCR)。

典型使用场景

  • 将扫描的合同、书籍、报告转换为可搜索 PDF,便于全文检索。
  • 批量处理大量历史文档,建立数字档案库。
  • 与文档管理系统(如 paperless-ngx)集成,实现自动化 OCR 流程。
  • 在服务器上通过脚本自动化处理 PDF,无需人工干预。

与商业软件相比的优势与不足

优势:完全免费开源,隐私安全(本地处理),命令行可脚本化,支持 PDF/A 长期归档格式,处理大文件稳定高效。
不足:无图形界面,对普通用户有一定学习成本;依赖 Tesseract 引擎,对复杂版面(如表格、多栏)的识别效果可能不及 ABBYY FineReader 等商业软件;仅支持 Linux 官方发行版(其他系统需自行安装)。

系统要求

Windows

  • 操作系统:Windows 10 及以上(建议通过 WSL 安装)
  • CPU:x86_64 或 ARM64
  • 内存:最低 2 GB,推荐 4 GB 以上
  • 磁盘空间:至少 200 MB 用于安装,另需空间存放临时文件
  • 可选依赖:Tesseract OCR 4.1.1+、Ghostscript、Python 3.8+

macOS

  • 操作系统:macOS 10.15 (Catalina) 及以上
  • CPU:Intel 或 Apple Silicon
  • 内存:最低 2 GB,推荐 4 GB 以上
  • 磁盘空间:至少 200 MB
  • 可选依赖:Tesseract OCR 4.1.1+、Ghostscript、Python 3.8+

Linux

  • 操作系统:主流发行版(Debian/Ubuntu、Fedora、Arch 等)
  • CPU:x86_64、ARM64 等
  • 内存:最低 2 GB,推荐 4 GB 以上
  • 磁盘空间:至少 200 MB
  • 可选依赖:Tesseract OCR 4.1.1+、Ghostscript、Python 3.8+

安装教程

Windows

  1. 建议通过 WSL(Windows Subsystem for Linux)安装:在 PowerShell 中运行 wsl --install 并重启。
  2. 进入 WSL 终端(如 Ubuntu),执行 sudo apt update && sudo apt install ocrmypdf。
  3. 安装语言包(可选):sudo apt install tesseract-ocr-chi-sim 等。
  4. 验证安装:运行 ocrmypdf --version,应显示版本号。

macOS

  1. 安装 Homebrew(若未安装):/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"。
  2. 执行 brew install ocrmypdf。
  3. 安装语言包(可选):brew install tesseract-lang。
  4. 验证安装:运行 ocrmypdf --version。

Linux

  1. 根据发行版执行安装命令:
    • Debian/Ubuntu:sudo apt install ocrmypdf
    • Fedora:sudo dnf install ocrmypdf
    • Arch Linux:sudo pacman -S ocrmypdf
  2. 安装所需语言包(可选):例如 sudo apt install tesseract-ocr-chi-sim。
  3. 验证安装:运行 ocrmypdf --version。

注意:本页面提供的安装包为源码包 ocrmypdf-17.14.2.tar.gz,也可从夸克网盘下载后解压,进入目录运行 pip install . 进行安装(需提前安装 Python 3.8+ 及依赖)。安装后可通过 ocrmypdf --help 查看使用说明。