OCRmyPDF : convertir des PDF classiques en fichiers PDF/A interrogeables 175

Qu'est-ce qu'OCRmyPDF ?

OCRmyPDF est un outil open source en ligne de commande, utilisé pour ajouter une couche de texte OCR consultable aux fichiers PDF numérisés. Il prend en charge plusieurs langues, peut optimiser les images, corriger l'inclinaison, nettoyer les pages, et fait pivoter automatiquement l'orientation pour générer des fichiers au format PDF/A. Il prend également en charge le traitement multicœur et le traitement par lots, fonctionne entièrement hors ligne, garantissant la sécurité des données.

Fonctionnalités principales d'OCRmyPDF

• Génération de fichiers PDF/A consultables : Génère des fichiers PDF/A consultables à partir de fichiers PDF ordinaires, tout en conservant la résolution des images intégrées d'origine.

• Prise en charge multilingue : Prend en charge plus de 100 langues. Les utilisateurs peuvent choisir le pack linguistique approprié en fonction de la langue du document, ce qui améliore la précision de l'OCR.

• Optimisation des images : OCRmyPDF peut optimiser les images dans les PDF, y compris l'ajustement de la résolution, la compression de la taille des images, etc., pour générer des fichiers plus petits tout en maintenant la qualité de l'image.

• Correction d'inclinaison et nettoyage : Avant d'exécuter l'OCR, OCRmyPDF peut redresser les images (corriger l'inclinaison) et les nettoyer (supprimer les taches, le bruit, etc.), ce qui améliore la précision de l'OCR.

• Rotation des pages : 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.

• Traitement multicœur : Utilise par défaut tous les cœurs de CPU disponibles pour le traitement, ce qui améliore la vitesse de traitement et convient au traitement de fichiers volumineux ou de tâches par lots.

• Traitement par lots : Peut être combiné avec l'outil GNU parallel ou d'autres scripts pour traiter par lots plusieurs fichiers PDF, améliorant ainsi l'efficacité du travail.

• Sécurité des données : OCRmyPDF fonctionne entièrement hors ligne, les données sont stockées sur l'appareil local de l'utilisateur, garantissant la sécurité et la confidentialité des données.

Tutoriel d'utilisation d'OCRmyPDF

Installation :OCRmyPDF peut être installé via pip, ou via les gestionnaires de paquets respectifs sur les systèmes d'exploitation Linux, macOS et Windows.

Utilisation de base :Saisissez la commande suivante dans la ligne de commande pour démarrer le traitement OCR :

ocrmypdf input.pdf output.pdf

Options avancées :Vous pouvez spécifier la langue de reconnaissance OCR, par exemple en utilisant le chinois simplifié pour le traitement OCR :

ocrmypdf --language chi_sim input.pdf output.pdf

Scénarios d'application d'OCRmyPDF

• Gestion des archives : Les bibliothèques, les services d'archives et autres institutions peuvent utiliser OCRmyPDF pour convertir un grand nombre de documents papier en une forme numérisée et consultable, facilitant ainsi le stockage et la recherche.

• Recherche académique : Les universitaires et les chercheurs peuvent utiliser OCRmyPDF pour convertir rapidement des articles et des livres, ce qui facilite la citation et l'analyse du contenu.

• Rédaction journalistique : Les journalistes peuvent extraire rapidement le contenu des reportages à partir de PDF d'images, améliorant ainsi l'efficacité du travail.

• Gestion documentaire : Les entreprises et les institutions peuvent utiliser OCRmyPDF pour automatiser la conversion d'un grand nombre de contrats, de factures et d'autres fichiers numérisés, les rendant consultables et archivables.

Liens connexes

Site officiel :https://ocrmypdf.readthedocs.io/en/latest/

Dépôt GitHub :https://github.com/ocrmypdf/OCRmyPDF , vous pouvez y consulter le code du projet, soumettre des problèmes, participer au développement, etc.

Documentation officielle :https://ocrmypdf.readthedocs.io/en/latest/index.html , présente en détail l'installation, les méthodes d'utilisation, les fonctionnalités et les diverses options avancées d'OCRmyPDF.

Page PyPI :https://pypi.org/project/ocrmypdf/

Articles connexes :

Tutoriel de déploiement local et d'utilisation d'OCRmyPDF