扫描PDF添加OCR文字层：OCRmyPDF 新手功能指南

扫描PDF添加OCR文字层：OCRmyPDF 新手功能指南

【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

扫描版PDF里搜不到那个词，是不是很烦？OCRmyPDF 是一个 PDF OCR 命令行工具，它给扫描的PDF添加文字层，让文字变得可搜索。装好之后，一条命令就能拿到可检索的文档。

它解决什么、适合谁

很多老档案、合同和论文只以扫描件的形式存在，看上去是文字，其实是图像。Ctrl+F 一无所获，复制粘贴也行不通。OCRmyPDF 先把页面渲染成图像，交给 Tesseract 识别，再把文字层贴回原始PDF，版式保持不变。扫描图像原样保留，文字可以选中、复制。混合了图像和电子文字的文件，已有文字会自动跳过，只识别图像部分。

它适合给老档案做数字化的人，也适合归档发票合同、让扫描论文可引用的人。

能力	说明	边界/注意
添加OCR文字层	文字可搜索、可复制	不识别手写体
智能跳过页面	已有文字页不重复处理	需要重做时加--force-ocr
图像预处理	清理、纠偏后再识别	外观可能略有变化

五分钟上手

安装很轻，一条包解决：

操作系统	命令	备注
Ubuntu/Debian	sudo apt install ocrmypdf	官方仓库
macOS	brew install ocrmypdf	Homebrew
Windows	pip install ocrmypdf	需另装 Tesseract

最小命令就一行，输入是扫描件，输出是带文字层的新PDF：

ocrmypdf 输入.pdf 输出.pdf

中文文档加一个语言参数即可：

ocrmypdf -l chi_sim 中文.pdf 可搜索.pdf

进阶玩法（按需选学）

--deskew

ocrmypdf --deskew 输入.pdf 输出.pdf

扫描页歪斜、文字行倾斜时用它，先纠偏再识别，准确率更稳。

-j 4

ocrmypdf -j 4 大文档.pdf 输出.pdf

页数多的大文档用它，多页并行处理，速度明显更快。

--sidecar

ocrmypdf --sidecar 结果.txt 输入.pdf 输出.pdf

除了PDF还想导出识别出的纯文本时用它，方便做索引或后续加工。

一个真实场景走一遍

输入：一份老式打字机排版的菜谱扫描件，整页都是图像，一个字都搜不到。文档是荷兰语，顺带纠偏。

ocrmypdf -l nld --deskew 老菜谱.pdf 可搜索菜谱.pdf

结果：输出的扫描图像和原件看起来一样，但文字可以选中、复制了。搜索一个食材，能直接跳到对应页面。输出默认是存档级的 PDF/A 格式，适合长期保存。

换成你的文档，只需改这两处：输入文件名和语言代码。

避坑与自查

• 错字多 → 先加--clean清理图像，或换更高 DPI 重扫
• 处理慢 → 加-j 4开启并行
• 阅读器提示 PDF/A 格式告警 → 加--output-type pdf换成普通PDF

OCRmyPDF 是一个给扫描PDF添加文字层的免费开源工具，适合长期、批量地做档案数字化。先拿一份小文档试跑一遍，跑通了，再处理你那批老档案。

小提示：新手第一件事，是用--pages 1只处理第一页，确认识别质量再处理整个文件。

【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