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
- 建议通过 WSL(Windows Subsystem for Linux)安装:在 PowerShell 中运行
wsl --install并重启。 - 进入 WSL 终端(如 Ubuntu),执行
sudo apt update && sudo apt install ocrmypdf。 - 安装语言包(可选):
sudo apt install tesseract-ocr-chi-sim等。 - 验证安装:运行
ocrmypdf --version,应显示版本号。
macOS
- 安装 Homebrew(若未安装):
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"。 - 执行
brew install ocrmypdf。 - 安装语言包(可选):
brew install tesseract-lang。 - 验证安装:运行
ocrmypdf --version。
Linux
- 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
- Debian/Ubuntu:
- 安装所需语言包(可选):例如
sudo apt install tesseract-ocr-chi-sim。 - 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。
下载链接
已转存至夸克网盘
软件信息
- 开发语言
- Python
- 开源协议
- MPL-2.0
- GitHub
- ocrmypdf/OCRmyPDF
- Stars
- 3.5万
- 发布时间
- 2026-11-16
- 收录时间
- 2026-11-19
可替代
Adobe Acrobat ProABBYY FineReaderReadirisFoxit PhantomPDF