一.软件简介

OCRmyPDF是一个应用程序和库，它向PDF中的图像添加文本“层”，使扫描的PDF图像可搜索。它使用OCR来猜测图像中包含的文本。它是用Python编写的。OCRmyPDF支持允许自定义处理步骤的插件。

二.开发背景

近期看到关于OCRmyPDF的推文，联想到自己手上扫描的协议、文件一大把，有时页码较多，查找关键内容很不便捷，于是下班时间折腾了两天，完成了Windows本地化安装测试（可批量、可选页、可输入图片等），文件处理后，相当于在PDF文件的每一页中添加了透明的文本层，内容检索非常效率。

三.服务器上部署

在linux服务器中部署，测试服务器地址，http://175.178.230.228/

# 服务器安装顺序
sudo apt-get -y remove ocrmypdf
sudo apt-get -y update
sudo apt-get -y install \
    ghostscript \
    icc-profiles-free \
    libxml2 \
    pngquant \
    python3-pip \
    tesseract-ocr \
    zlib1g
pip3 install ocrmypdf

# 简单的python代码，具体参数参考官方文档
import ocrmypdf

file = r'input.pdf'
output = r'output.pdf'
ocrmypdf.ocr(file,output ,lang=['chi_sim','eng'], deskew=True)