From 172ba4cad123013f8ce762d5450dbeac974e0ec6 Mon Sep 17 00:00:00 2001 From: HuaPai Date: Mon, 24 Mar 2025 13:05:36 +0800 Subject: [PATCH 1/2] =?UTF-8?q?chore:=20=E5=9C=A8.gitignore=E4=B8=AD?= =?UTF-8?q?=E6=B7=BB=E5=8A=A0.idea/=E7=9B=AE=E5=BD=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 避免将IDE配置文件提交到版本控制中 --- .gitignore | 4 +++- 1 file changed, 3 insertions(+), 1 deletion(-) diff --git a/.gitignore b/.gitignore index 320ebb47..ab3a5707 100644 --- a/.gitignore +++ b/.gitignore @@ -44,4 +44,6 @@ docs/_build/ docs/_static/ docs/_templates/ docs/Makefile -src/ocrmypdf/_version.py \ No newline at end of file +src/ocrmypdf/_version.py + +.idea/ \ No newline at end of file From 553a20a8e6a4f80ae0dee6f43d3b4f27da7646b5 Mon Sep 17 00:00:00 2001 From: HuaPai Date: Tue, 25 Mar 2025 11:44:18 +0800 Subject: [PATCH 2/2] =?UTF-8?q?docs:=20=E6=B7=BB=E5=8A=A0=20README=5FZH.md?= =?UTF-8?q?=20=E6=96=87=E4=BB=B6=EF=BC=8C=E6=8F=90=E4=BE=9B=E4=B8=AD?= =?UTF-8?q?=E6=96=87=E7=89=88=E8=AF=B4=E6=98=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 为方便中文用户理解和使用 OCRmyPDF，新增了中文版的 README 文件，内容基于原始英文版本进行翻译，保留了所有重要信息和结构。 --- README_ZH.md | 173 +++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 173 insertions(+) create mode 100644 README_ZH.md diff --git a/README_ZH.md b/README_ZH.md new file mode 100644 index 00000000..5e9a7d0c --- /dev/null +++ b/README_ZH.md @@ -0,0 +1,173 @@ +# OCRmyPDF 中文说明 + +我将为您创建一个中文版的 README.md 文件。以下是基于原始英文版本的中文翻译： + +```markdown:/Users/huapai/PycharmProjects/OCRmyPDF/README.md + + + + +OCRmyPDF + +[![构建状态](https://github.com/ocrmypdf/OCRmyPDF/actions/workflows/build.yml/badge.svg)](https://github.com/ocrmypdf/OCRmyPDF/actions/workflows/build.yml) [![PyPI 版本][pypi]](https://pypi.org/project/ocrmypdf/) ![Homebrew 版本][homebrew] ![ReadTheDocs][docs] ![Python 版本][pyversions] + +[pypi]: https://img.shields.io/pypi/v/ocrmypdf.svg "PyPI 版本" +[homebrew]: https://img.shields.io/homebrew/v/ocrmypdf.svg "Homebrew 版本" +[docs]: https://readthedocs.org/projects/ocrmypdf/badge/?version=latest "RTD" +[pyversions]: https://img.shields.io/pypi/pyversions/ocrmypdf "支持的 Python 版本" + +OCRmyPDF 为扫描的 PDF 文件添加 OCR 文本层，使其可以被搜索或复制粘贴。 + +```bash +ocrmypdf # 这是一个可脚本化的命令行程序 + -l eng+fra # 支持多种语言 + --rotate-pages # 可以修正旋转错误的页面 + --deskew # 可以校正倾斜的 PDF！ + --title "My PDF" # 可以更改输出元数据 + --jobs 4 # 默认使用多核心处理 + --output-type pdfa # 默认生成 PDF/A 格式 + input_scanned.pdf # 接受 PDF 输入（或图像） + output_searchable.pdf # 生成经过验证的 PDF 输出 +``` + +[查看发布说明了解最新变更的详情](https://ocrmypdf.readthedocs.io/en/latest/release_notes.html)。 + +## 主要特点 + +- 从普通 PDF 生成可搜索的 [PDF/A](https://en.wikipedia.org/?title=PDF/A) 文件 +- 准确地将 OCR 文本放置在图像下方，便于复制/粘贴 +- 保持原始嵌入图像的精确分辨率 +- 在可能的情况下，以"无损"操作方式插入 OCR 信息，不破坏任何其他内容 +- 优化 PDF 图像，通常生成比输入文件更小的文件 +- 如果需要，在执行 OCR 前对图像进行校正和/或清理 +- 验证输入和输出文件 +- 在所有可用的 CPU 核心上分配工作 +- 使用 [Tesseract OCR](https://github.com/tesseract-ocr/tesseract) 引擎识别超过 [100 种语言](https://github.com/tesseract-ocr/tessdata) +- 保护您的私人数据安全 +- 适当扩展以处理包含数千页的文件 +- 在数百万 PDF 上经过实战测试 + +终端会话中的 OCRmyPDF 演示 + +详情请参阅[文档](https://ocrmypdf.readthedocs.io/en/latest/)。 + +## 开发动机 + +我在网上搜索免费的命令行工具来对 PDF 文件进行 OCR：我找到了很多，但没有一个真正令人满意： + +- 要么它们生成的 PDF 文件中文本位置错误（使复制/粘贴变得不可能） +- 要么它们不处理重音和多语言字符 +- 要么它们改变了嵌入图像的分辨率 +- 要么它们生成了体积巨大的 PDF 文件 +- 要么它们在尝试 OCR 时崩溃 +- 要么它们不生成有效的 PDF 文件 +- 最重要的是，它们都不生成 PDF/A 文件（专为长期存储设计的格式） + +...所以我决定开发自己的工具。 + +## 安装 + +支持 Linux、Windows、macOS 和 FreeBSD。Docker 镜像也可用，同时支持 x64 和 ARM。 + +| 操作系统 | 安装命令 | +| --------------------------- | ----------------------------- | +| Debian, Ubuntu | ``apt install ocrmypdf`` | +| Windows Subsystem for Linux | ``apt install ocrmypdf`` | +| Fedora | ``dnf install ocrmypdf`` | +| macOS (Homebrew) | ``brew install ocrmypdf`` | +| macOS (MacPorts) | ``port install ocrmypdf`` | +| macOS (nix) | ``nix-env -i ocrmypdf`` | +| LinuxBrew | ``brew install ocrmypdf`` | +| FreeBSD | ``pkg install py-ocrmypdf`` | +| Ubuntu Snap | ``snap install ocrmypdf`` | + +对于其他用户，[请参阅我们的文档](https://ocrmypdf.readthedocs.io/en/latest/installation.html)了解安装步骤。 + +## 语言 + +OCRmyPDF 使用 Tesseract 进行 OCR，并依赖其语言包。对于 Linux 用户，您通常可以找到提供语言包的软件包： + +```bash +# 显示所有 Tesseract 语言包的列表 +apt-cache search tesseract-ocr + +# Debian/Ubuntu 用户 +apt-get install tesseract-ocr-chi-sim # 示例：安装中文简体语言包 + +# Arch Linux 用户 +pacman -S tesseract-data-eng tesseract-data-deu # 示例：安装英语和德语语言包 + +# brew macOS 用户 +brew install tesseract-lang +``` + +然后，您可以向 OCRmyPDF 传递 `-l LANG` 参数，提示它应该搜索哪些语言。可以请求多种语言。 + +OCRmyPDF 支持 Tesseract 4.1.1+。它会自动使用在 `PATH` 环境变量中首先找到的版本。在 Windows 上，如果 `PATH` 不提供 Tesseract 二进制文件，我们会根据 Windows 注册表使用已安装的最高版本号。 + +## 文档和支持 + +安装 OCRmyPDF 后，可以通过以下方式访问内置帮助，解释命令语法和选项： + +```bash +ocrmypdf --help +``` + +我们的[文档托管在 Read the Docs 上](https://ocrmypdf.readthedocs.io/en/latest/index.html)。 + +请在我们的 [GitHub issues](https://github.com/ocrmypdf/OCRmyPDF/issues) 页面上报告问题，并遵循问题模板以获得快速响应。 + +## 功能演示 + +```bash +# 添加 OCR 层并转换为 PDF/A +ocrmypdf input.pdf output.pdf + +# 将图像转换为单页 PDF +ocrmypdf input.jpg output.pdf + +# 就地为文件添加 OCR（仅在成功时修改文件） +ocrmypdf myfile.pdf myfile.pdf + +# 使用非英语语言进行 OCR（查找您语言的 ISO 639-3 代码） +ocrmypdf -l fra LeParisien.pdf LeParisien.pdf + +# OCR 多语言文档 +ocrmypdf -l eng+fra Bilingual-English-French.pdf Bilingual-English-French.pdf + +# 校正（矫正倾斜的页面） +ocrmypdf --deskew input.pdf output.pdf +``` + +更多功能，请参阅[文档](https://ocrmypdf.readthedocs.io/en/latest/index.html)。 + +## 要求 + +除了所需的 Python 版本外，OCRmyPDF 还需要外部程序安装 Ghostscript 和 Tesseract OCR。OCRmyPDF 是纯 Python 编写的，几乎可以在所有平台上运行：Linux、macOS、Windows 和 FreeBSD。 + +## 媒体报道 + +- [使用 OCRmyPDF 实现无纸化](https://medium.com/@ikirichenko/going-paperless-with-ocrmypdf-e2f36143f46a) +- [将扫描文档转换为带有编辑的压缩可搜索 PDF](https://medium.com/@treyharris/converting-a-scanned-document-into-a-compressed-searchable-pdf-with-redactions-63f61c34fe4c) +- [c't 1-2014, 第 59 页](https://heise.de/-2279695)：在德国领先的 IT 杂志 c't 中详细介绍 OCRmyPDF v1.0 +- [heise Open Source, 09/2014: 使用 OCRmyPDF 进行文本识别](https://heise.de/-2356670) +- [heise 使用 OCRmyPDF 创建可搜索的 PDF 文档](https://www.heise.de/ratgeber/Durchsuchbare-PDF-Dokumente-mit-OCRmyPDF-erstellen-4607592.html) +- [优秀实用工具：OCRmyPDF](https://www.linuxlinks.com/excellent-utilities-ocrmypdf-add-ocr-text-layer-scanned-pdfs/) +- [LinuxUser 使用 OCRmyPDF 和 Scanbd 自动化文本识别](https://www.linux-community.de/ausgaben/linuxuser/2021/06/texterkennung-mit-ocrmypdf-und-scanbd-automatisieren/) +- [Y Combinator 讨论](https://news.ycombinator.com/item?id=32028752) + +## 商业咨询 + +如果没有公司和用户选择为功能开发和咨询提供支持，OCRmyPDF 就不会成为今天的软件。我们很乐意讨论所有咨询，无论是扩展现有功能集，还是将 OCRmyPDF 集成到更大的系统中。 + +## 许可证 + +OCRmyPDF 软件根据 Mozilla 公共许可证 2.0 (MPL-2.0) 授权。此许可证允许将 OCRmyPDF 与其他代码集成，包括商业和闭源代码，但要求您发布对 OCRmyPDF 所做的源代码级修改。 + +OCRmyPDF 的某些组件有其他许可证，如标准 SPDX 许可证标识符或 DEP5 版权和许可信息文件所示。一般来说，非核心代码根据 MIT 许可，文档和测试文件根据 Creative Commons ShareAlike 4.0 (CC-BY-SA 4.0) 许可。 + +## 免责声明 + +本软件按"原样"分发，不提供任何明示或暗示的保证或条件。 + +这份中文版 README.md 保留了原始文档的所有重要信息，包括功能介绍、安装说明、语言支持、使用示例等内容，同时保持了原始格式和结构。 \ No newline at end of file