扫描的PDF实现文字搜索的工具：OCRmyPDF

emwin

简介：它使用 Tesseract OCR 引擎，将 PDF 的内容识别成文本，然后给 PDF 文件增加 OCR 文本层。从而实现可搜索和复制 PDF 的内容，已支持 100 多种语言。
网站：OCRmyPDF documentation — ocrmypdf 14.0.3.dev4+g997380e5 documentation

[C] 纯文本查看 复制代码

python -m ocrmypdf -l chi_sim "GB_T11944-2012_中空玻璃.pdf" "GB_T11944-2012_中空玻璃_OCR.pdf"

尝试对转换后的PDF搜索文字：


不足：覆盖了水印的文字不能识别。

emwin

每次都要输命令行麻烦，写了个简陋的GUI：https://github.com/Femtometer/OCRMyPDF_SimpleGUI

eric2013

谢谢楼主分享。

bobowu

看着感觉还不错，试试看。

eric2013

新版V15升级，不再支持32bit系统。

https://github.com/ocrmypdf/OCRmyPDF

emwin

eric2013 发表于 2023-9-27 07:28
新版V15升级，不再支持32bit系统。

https://github.com/ocrmypdf/OCRmyPDF

还有这句“Dropped support for Python 3.8.”，Windows7算是没戏了。