OCRmyPDF

市面常见的OCR工具往往把 PDF 转成 Word 或 TXT，破坏了原有排版。不同于普通 OCR 软件粗暴转换的做法，OCRmyPDF 像给文件装上透明文字层：打开处理后的 PDF，所有文字可随意复制，页面上的表格、图片位置分毫不差。

OCRmyPDF 是一个命令行工具，可以处理多种语言，并提供诸如页面旋转、图像去斜等功能。

使用 Tesseract 引擎，支持超过 100 种语言，同时保持原始图片的分辨率不变。该工具能在不干扰其他内容的情况下无损插入 OCR 信息，并优化 PDF 文件大小，使其比原文件更小。

OCRmyPDF 还支持多核处理，能有效处理大批量的 PDF 文件。用户可以通过简单的命令行选项指定输入和输出文件类型，并控制生成 PDF/A 格式的可搜索文件。这个项目被广泛应用于需要处理大量扫描文档的用户，确保了良好的性能和稳定性。