Assistant scénario▸ 
Apps AI 
Actualités AI OCRmyPDF : Tutoriel de déploiement local et d'utilisation
小编 ·
OCRmyPDF : Tutoriel de déploiement local et d'utilisation
OCRmyPDF est un outil principalement utilisé pour ajouter une couche de texte OCR recherchable et copiable aux fichiers PDF numérisés. Il prend en charge plusieurs langues, permet d'optimiser les images, de corriger l'inclinaison, de nettoyer les pages et de faire pivoter automatiquement l'orientation, entre autres fonctionnalités. Voici comment déployer OCRmyPDF en local :
Méthode de déploiement local d'OCRmyPDF
OCRmyPDF propose plusieurs méthodes d'installation, selon votre système d'exploitation et vos besoins.
1. Installation via le gestionnaire de paquets du système
Debian/Ubuntu :
apt install ocrmypdf
Fedora :
dnf install ocrmypdf tesseract-osd
macOS (Homebrew) :
brew install ocrmypdf
Windows Subsystem for Linux :
apt install ocrmypdf
2. Installation avec Python pip
Si vous avez besoin d'installer la dernière version ou si celle fournie par le gestionnaire de paquets du système est obsolète, vous pouvez utiliser pip :
pip install ocrmypdf
Ou bien, utilisez pipx pour créer un environnement Python isolé :
pipx install ocrmypdf
3. Installation avec Docker
Si vous utilisez Docker, vous pouvez installer l'image Docker d'OCRmyPDF avec la commande suivante :
docker pull jbarlow83/ocrmypdf
Lors de l'exécution, vous pouvez monter les fichiers d'entrée et de sortie dans le conteneur :
docker run -v /path/to/input.pdf:/input.pdf -v /path/to/output.pdf:/output.pdf jbarlow83/ocrmypdf /input.pdf /output.pdf
4. Installation à partir du code source
Si vous devez installer à partir du code source (par exemple pour développer ou tester les dernières fonctionnalités), vous pouvez cloner le dépôt GitHub et l'installer :
git clone https://github.com/ocrmypdf/OCRmyPDF.git cd OCRmyPDF pip install -e .
Dépendances
Python 3.10 ou version ultérieure
Ghostscript 9.54 ou version ultérieure
Tesseract 4.1.1 ou version ultérieure
jbig2enc 0.29 ou version ultérieure (facultatif, pour optimiser la taille du fichier de sortie)
pngquant 2.5 ou version ultérieure (facultatif, pour optimiser les images PNG)
unpaper 6.1 ou version ultérieure (facultatif, pour nettoyer les images)
Points importants à noter
Prise en charge 32 bits : OCRmyPDF ne prend pas en charge les systèmes 32 bits, il est recommandé d'utiliser une version 64 bits.
Utilisateurs Windows : il est recommandé d'utiliser Windows Subsystem for Linux ou Docker pour éviter les problèmes de compatibilité.
Utilisateurs macOS : vous pouvez installer via Homebrew, mais vous devez installer en plus les packs de langues Tesseract (par exemple tesseract-lang).
Vérification de l'installation
Une fois l'installation terminée, vous pouvez vérifier qu'OCRmyPDF est correctement installé avec la commande suivante :
ocrmypdf --version
Tutoriel d'utilisation d'OCRmyPDF
1. Ajouter une couche de texte OCR
Fonction principale : ajoute une couche de texte recherchable aux fichiers PDF numérisés, rendant le contenu du document copiable et recherchable.
Exemple de commande :
ocrmypdf input.pdf output.pdf
2. Prise en charge multilingue
Description de la fonctionnalité : prend en charge plus de 100 langues. Les utilisateurs peuvent choisir le pack de langues approprié en fonction de la langue du document afin d'améliorer la précision de l'OCR.
Exemple de commande :
ocrmypdf --language chi_sim input.pdf output.pdf # chinois simplifié ocrmypdf --language eng input.pdf output.pdf # anglais
3. Optimisation des images
Description de la fonctionnalité : optimise les images dans le PDF, y compris l'ajustement de la résolution et la compression de la taille des images, générant des fichiers plus petits tout en conservant la qualité de l'image.
Exemple de commande :
ocrmypdf --optimize 3 input.pdf output.pdf # optimisation maximale
4. Correction de l'inclinaison et nettoyage
Description de la fonctionnalité : avant d'exécuter l'OCR, corrige l'inclinaison des images (redressement) et les nettoie (suppression des taches, du bruit, etc.) afin d'améliorer la précision de l'OCR.
Exemple de commande :
ocrmypdf --deskew --clean input.pdf output.pdf
5. Rotation automatique des pages
Description de la fonctionnalité : détecte automatiquement l'orientation des pages et les fait pivoter pour garantir que toutes les pages ont la même orientation, facilitant ainsi la lecture et le traitement.
Exemple de commande :
ocrmypdf --rotate-pages input.pdf output.pdf
6. Conversion au format PDF/A
Description de la fonctionnalité : convertit le fichier de sortie au format PDF/A, un format d'archivage standard international, adapté au stockage à long terme.
Exemple de commande :
ocrmypdf --output-type pdfa input.pdf output.pdf
7. Suppression des pages en double
Description de la fonctionnalité : détecte et supprime automatiquement les pages en double dans le PDF, réduisant ainsi la taille du fichier.
Exemple de commande :
ocrmypdf --remove-background input.pdf output.pdf
8. Suppression de l'arrière-plan
Description de la fonctionnalité : supprime l'arrière-plan des pages PDF, rendant le texte plus clair et plus facile à lire.
Exemple de commande :
ocrmypdf --remove-background input.pdf output.pdf
9. Génération au format PDF/A
Description de la fonctionnalité : génère des fichiers conformes à la norme PDF/A, adaptés à l'archivage et au stockage à long terme.
Exemple de commande :
ocrmypdf --output-type pdfa input.pdf output.pdf
10. Ignorer les pages déjà traitées par OCR
Description de la fonctionnalité : si certaines pages du PDF contiennent déjà une couche de texte, elles peuvent être ignorées pour éviter un traitement redondant.
Exemple de commande :
ocrmypdf --skip-text input.pdf output.pdf
11. DPI personnalisé
Description de la fonctionnalité : permet de spécifier la résolution de l'image (DPI) lors du traitement OCR, la valeur par défaut étant 300 DPI.
Exemple de commande :
ocrmypdf --dpi 350 input.pdf output.pdf
12. Conversion en image monochrome
Description de la fonctionnalité : convertit les images couleur ou en niveaux de gris en images monochromes, réduisant ainsi la taille du fichier.
Exemple de commande :
ocrmypdf --output-type pdf --monochrome input.pdf output.pdf
13. Génération d'un fichier journal
Description de la fonctionnalité : génère un fichier journal détaillé, facilitant le débogage et l'enregistrement du processus de traitement.
Exemple de commande :
ocrmypdf --log-file output.log input.pdf output.pdf
14. Traitement par lot
Description de la fonctionnalité : combiné avec des scripts ou des outils en ligne de commande (tels que GNU Parallel), il est possible de traiter plusieurs fichiers PDF par lot.
Exemple de commande :
for file in *.pdf; do ocrmypdf "$file" "output_$file" done
15. Prise en charge de plusieurs formats d'entrée
fichier pour générer des PDF, y compris TIFF, PNG, etc.Exemple de commande :
ocrmypdf input.tiff output.pdf
16. Compresser un PDF
Description de la fonctionnalité : après le traitement OCR, il est possible de compresser davantage le fichier PDF afin de réduire sa taille.
Exemple de commande :
ocrmypdf --optimize 3 input.pdf output.pdf
17. Convertir en PDF/A-2b ou PDF/A-2u
Description de la fonctionnalité : génère des fichiers conformes aux normes PDF/A-2b ou PDF/A-2u, adaptés à différents besoins.
Exemple de commande :
ocrmypdf --output-type pdfa-2b input.pdf output.pdf ocrmypdf --output-type pdfa-2u input.pdf output.pdf
18. Prise en charge d'Unicode
Description de la fonctionnalité : prend en charge les caractères Unicode, garantissant le traitement correct des documents multilingues.
Exemple de commande :
ocrmypdf --language chi_sim --language eng input.pdf output.pdf
19. Nom de fichier de sortie personnalisé
Description de la fonctionnalité : permet de personnaliser le nom du fichier de sortie pour faciliter la gestion et l'identification.
Exemple de commande :
ocrmypdf input.pdf "output_with_date_$(date +%Y%m%d).pdf"
20. Prise en charge des arguments de ligne de commande
Description de la fonctionnalité : grâce aux arguments de ligne de commande, il est possible de configurer de manière flexible les différentes fonctionnalités d'OCRmyPDF.
Exemple de commande :
ocrmypdf --help
Tutoriel d'installation et d'utilisation locale d'OCRmyPDF :https://ocrmypdf.readthedocs.io/en/latest/installation.html
