13
通过命令行/脚本使现有的PDF可搜索（OCR）
我正在寻找一种脱机脚本编写工具，该工具可通过在其上运行OCR来使现有的PDF文件变为可搜索的文件，并用可搜索的版本替换原始的不可搜索的文件，并且可以在无人看管的情况下运行。 例如，www.pdfscannerapp.com-完全满足我的需要，但仅是GUI-不可编写脚本。 我知道Evernote可以使PDF文件可搜索，但是只有在Evernote中时它们才可以搜索。 我不是在寻找完美的OCR，即使是可以接受的OCR也可以，但我更希望使用小的实用程序而不是笨拙的软件包。 （我知道广告中存在类似但不同的问题：寻找要扫描或转换为可搜索和可签名的PDF的软件 -但是，我不需要签名或填充PDF，我的要求是解决方案可编写脚本） 编辑： 1）多个实用程序允许结构化文本提取，但是要提取出来，文本必须存在；我主要指的是包裹位图的PDF，就像由扫描仪生成的普通PDF一样。 2）我不一定非要寻找免费的解决方案，而我会很乐意为能满足我所需要的良好实用程序付费，但我并不是要寻找具有一百万个功能（包括OCR功能）的庞大应用程序，但是其成本不足以证明仅出于OCR功能就购买它们是不合理的。 3）如上所述，我并不是在寻找完美的OCR，而只是寻求一个可以接受的OCR。不幸的是，根据我的经验，tesseract确实低于该阈值。我定义了一个“中等可接受”的OCR，例如可以将水电费OCR记为OCR，以便至少正确识别帐号（客户编号）。 编辑：“可脚本化”或“可自动化”，即能够自动触发并在无人值守的情况下无人值守运行。