OCRmyPDF 离线安装实战断网环境下为扫描 PDF 补上可搜索文本层【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF生产服务器与外网完全隔离扫描件却天天要归档成可搜索 PDF。OCRmyPDF 离线安装可行联网机一次性缓存好依赖与语言包断网机即可全程离线部署与识别。本文覆盖依赖打包、三系统安装、验收排障到样例实战。断网边界哪些动作离开网络就做不了OCRmyPDF 本体不发起任何网络请求识别、排版、压缩全部在本机完成断网后唯一受阻的是需要临时获取资源的动作。按下面两组划分决定离线机要搬多少东西。断网即可独立完成PDF、图片的 OCR 处理产出带文本层的新文件中文、日文等多语言识别对应.traineddata提前拷进机器即可--clean清洗、--optimize压缩、PDF/A 输出分别由本机的 unpaper、pngquant、Ghostscript 支撑必须在联网机提前完成语言包的新版下载OCRmyPDF 与依赖的升级联网机上要缓存的全部组件所有下载动作都放在联网机执行按下表核对后整体拷贝到离线机。组件职责下载与存放位置Tesseract 4.1.1OCR 引擎发行版包管理器或官方安装程序Python 3.11推荐 3.12承载 OCRmyPDF 运行时官方安装包或发行版包Ghostscript 9.54或 pypdfium2页面栅格化、PDF/A 转换系统包pypdfium2 随 wheel 一起带走.traineddata语言包各语言的识别数据从 tessdata 源下载放入离线机tessdata目录fpdf2、uharfbuzz 等 Python 依赖渲染文本层pip download一并产出 wheel命令见下文 Windows 部分fonts-noto 字体包推荐多语种字形的正常渲染Debian/Ubuntu 下apt install fonts-notounpaper、pngquant、jbig2enc可选--clean、--optimize 2/3及单色图像压缩所依赖的工具走发行版包管理器⚠️ 语言包是最容易漏的一项Tesseract 默认安装并不含全量.traineddata。离线后要识别中文把chi_sim.traineddata列入拷贝清单直接放进离线机的tessdata目录。三系统部署先把在线渠道的东西落成文件三平台套路一致在线渠道能拿到的二进制、wheel 与语言包全部先落盘成文件断网机上只执行本地安装。Linuxapt-get download 预缓存包文件dpkg 本地安装思路依赖包先在联网机全部落成文件离线机只做安装。在线基线是apt install ocrmypdfFedora 对应dnf install ocrmypdf tesseract-osd离线部署改用缓存命令apt-get download ocrmypdf ghostscript tesseract-ocr python3 python3-pip dpkg -i *.debFedora、Alpine 换成dnf download、apk缓存即可部分发行版默认不带 JBIG2 编码器缺了也能跑只是输出文件更大。Windows三个安装器加本地 wheel 目录步骤先装齐 64 位 Python、Tesseract在线参考渠道为 winget、Ghostscript手动装再用本地 wheel 装 OCRmyPDF 本体全程不碰 PyPIpip download ocrmypdf -d ./wheels pip install --no-index --find-links./wheels ocrmypdf第一条在联网机执行第二条在离线机执行--no-index保证只读本地目录。官方不支持 32 位 Windows。macOS整体打包 Homebrew 前缀迁移做法联网机执行brew install ocrmypdf自带 Tesseract、Ghostscript 与英语包连同下载缓存把整个 Homebrew 前缀目录打包离线机先装好 Homebrew再解开归档直接使用brew install ocrmypdf brew install tesseract-lang还要识别其他语言时在联网机先装tesseract-lang全量语言包再迁移别指望断网机上临时补包。部署验收两条命令加一张故障对照表处理文件前先跑验收ocrmypdf --version tesseract --list-langs第一条输出版本号且无报错即 Python、Tesseract 等外部依赖已就位第二条列出本机可用语言做中文识别前确认chi_sim在【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
