我已经看到一些电子书/论文，显然是从其纸本版本扫描而来的，但这些电子书/论文中的文字可以被惊人地复制掉。我想直接扫描的版本必须已经由某些光学字符识别软件处理过。

所以我想知道推荐的光学字符识别软件是什么？尤其是那些适用于Ubuntu或免费的产品？如果Windows的性能要优越得多，请也告诉我。

我对那些可以接受扫描的pdf文件作为输入并仍产生另一个pdf文件（看起来与输入相同但具有可复制文本）的pdf文件特别感兴趣。

谢谢并恭祝安康！

每个答案请限制一个软件

Tesseract OCR

最初的引擎是由惠普和IBM在80年代后期开发的，但事实证明，它是我使用过的最好的眼识别软件之一。它最近对引擎进行了许多更新，并已成为市场上最全面的OCR工具之一。与大多数其他OCR工具相比（在某些文本匹配中占90％以上），它可以轻松地将标准文档的字体转换为文本。

以下是一个示例：

tesseract ScannedDocument.png out

将产生一个名为out.txt的文件

另一个应该能够执行此操作的项目是gscan2pdf

sudo apt-get install gscan2pdf

该项目还可以使用Tesseract以及其他开源OCR工具。

我不知道任何适用于Ubuntu的OCR，但对于Windows，有一个具有您所需功能的OCR。那是ABBYY FineReader， 这是页面，但它不是免费的

免费的解决方案存在于存储库，CunieForm（以及YAGF作为其Gnome前端）中

似乎Decapod项目确实或将要导出为PDF，所以Tesseract必须以某种方式导出必要的信息，以了解在何处找到了什么文本。

Adobe Acrobat（不是阅读器，不是免费的应用程序）能够对扫描的PDF文档进行OCR处理，并在图像顶部添加不可见的文本层，以便可以选择和复制文本。不幸的是，我没有方便地检查该功能在Acrobat的UI中的确切位置，但是我已经成功地将其用于与您提到的目的相同的几次。

是的，这是Windows软件，而不是Linux，但根据Wine HQ应用程序数据库，它可以在Wine下运行。

最好的OCR软件通常嵌入在打印机/扫描仪/复印机中。我办公室中的Canon IRC 3880可以比我所知道的任何台式机程序更容易，更快地输出出色的OCR格式的pdf。将书籍放在纸盒上（未装订），选择您的邮件地址，然后按绿色按钮。

您可以在网上找到的大多数OCR pdf都来自类似的机器。问题是价格对于家庭使用而言太高（大约IRC约12000欧元）。

理光创新公司提供了我最喜欢的免费在线OCR软件。这是一个Beta程序，但我发现它运行良好。在以下位置进行检查：http : //beta.rii.ricoh.com/betalabs/content/document-conversion

OCR进纸器

它是一个GUI应用程序。

它使用tesseract-ocr或ocrad作为OCR引擎。

可以通过Software Center或

sudo apt-get install ocrfeeder

FineReader也有一个在线版本。它声称能够将PDF作为输入格式进行处理--- http://finereader.abbyyonline.com/cn/Help/Faq/