首先，很抱歉是否曾有人问过我-我在现有帖子中搜索了一段时间，但找不到支持。
我对Fedora的OCR多页不可搜索的pdf格式的解决方案感兴趣，并将该pdf格式转换为一个新的pdf文件，该文件在图像顶部包含文本层。在Mac OSX或Windows上，我们可以使用Adobe Acrobat，但是在Linux上，尤其是在Fedora上？
https://snippets.webaware.com.au/howto/pdf-ocr-linux/似乎描述了一种解决方案-不幸的是，检索精确图像时我已经迷路了。
Answers:
最好和最简单的方法就是使用pypdfocr它不会更改pdf。pypdfocr是此处的python模块链接。
pypdfocr your_document.pdf
最后，您可以your_document_ocr.pdf通过可搜索的文本找到想要的另一种方式。该应用程序不会改变图像的质量。通过添加覆盖文本，稍微增加文件的大小。
我认为该命令非常简单，不需要任何GUI。也许安装pypdfocr会更加冗长：
sudo dnf -y install tesseract
pip install pypdfocr
pypdfocr自2016年以来不再受支持，我注意到由于未进行维护而出现了一些问题。ocrmypdf（module）做辅助工作，可以这样使用：
ocrmypdf in.pdf out.pdf
安装：
pip install ocrmypdf
要么
sudo apt install ocrmypdf #ubuntu
sudo dnf -y install ocrmypdf #fedora
在得知tesseract现在也可以生成可搜索的pdf之后，我找到了脚本三明治：http : //www.tobias-elze.de/pdfsandwich/
安装依赖项后（这可能不是完整的列表）
sudo dnf install svn ocaml unpaper tesseract
我按照脚本指南从源代码进行编译
从源代码编译
pdfsandwich是开源软件（许可证：GPL）。您可以从项目网站的下载区域以.tar.bz2包的形式下载源，也可以通过subversion检出它们：
svn checkout svn://svn.code.sf.net/p/pdfsandwich/code/trunk/src pdfsandwich
如果系统上安装了OCaml，则可以按以下方式编译和安装：
cd pdfsandwich
./configure
make
sudo make install
现在，这使我可以跑步
sandwich multipaged-non-searchable.pdf
生成可搜索的pdf。
Ubuntu中有一个简单的工具“ ocrfeeder”，它可以生成将OCR文本覆盖在原始文档上的PDF。它利用Tesseract加上其他OCR引擎（不确定哪个），并提供图像旋转/“ unpaper”等功能。
我有同样的问题，所以我在周末写了这个。试一试; 它很棒！它是一个简单的包装器tesseract。它用于pdftoppm将PDF转换为一堆TIFF文件，然后用于tesseract对其执行OCR（光学字符识别）并生成可搜索的PDF作为输出。脚本完成后，所有中间临时文件都会自动删除。
源代码：https : //github.com/ElectricRCAircraftGuy/PDF2SearchablePDF
pdf2searchablepdf：已于2019年11月11日在Ubuntu 18.04上测试。
git clone https://github.com/ElectricRCAircraftGuy/PDF2SearchablePDF.git
./PDF2SearchablePDF/install.sh
sudo apt update
sudo apt install tesseract-ocr
pdf2searchablepdf mypdf.pdf
您现在将拥有一个名为mypdf_searchable.pdf的pdf 文件。，其中包含可搜索的文本！
做完了 它没有python依赖项，因为它目前完全以bash编写。