OCRmyPDF github

安装方法

• ubuntu apt install ocrmypdf
• conda conda install ocrmypdf

安装简体中文包

apt-get install tesseract-ocr-chi-sim

安装英语包

apt-get install tesseract-data-eng

显示所有的语言列表

apt-cache search tesseract-ocr
从展示的列表里选择你需要安装的语言的包，参照上面的命令安装即可。

OCR识别pdf

ocrmypdf --force-ocr old.pdf new.pdf

输出的new.pdf，即可复制文本。

配合img2pdf，把图片转为OCR识别的pdf

安装img2pdf
apt-get install img2pdf

img2pdf --pagesize A4 page*.png | ocrmypdf - myfile.pdf

把本目录下page开头的png图片合并到一个ocr的pdf。

把OCR识别转为txt文本 ocr2text github

sudo apt-get install tesseract-ocr
git clone https://github.com/writecrow/ocr2text.git
cd ocr2text
pip install --user --requirement requirements.txt 

python3 ocr2txt.py