有没有类似Acrobat的OCR功能来自动化扫描PDF文件的OCR的工具？

Question

开放源码优先，但没有必要。

我有Acrobat 8，并且非常喜欢OCR功能，它基本上可以在扫描的文档上放置一层不可见的OCR文本。因此，您在屏幕上看到的是原始扫描文档，但结果是可搜索的。

我要找的是一种自动化这个过程的方法。我目前有一些脚本，用于处理和归档扫描文件，并且正在寻找一些可以插入到这个批处理过程中的东西，以便以类似于我可以使用Acrobat的方式执行OCR。

欢迎所有建议，谢谢！

Answer 1

我已经在一个公司文档原型项目中实现了这一点。扫描文件是一个tif文件(单页)。然后使用楔形创建单个tif的hocr文件。然后使用hocr2pdf输出PDF文件。如果多个扫描页面，我使用gs将PDF组合成一个PDF文档。工作真的很好，OCR足够好满足我们的需要，并且可以在任何PDF查看器中搜索。

Answer 2

你看过WatchOCR吗？您可以从http://www.watchocr.com下载它，它是一个免费的、开放源码的OCR服务器，它可以从监视的文件夹或网络共享中将只显示图像的pdfs转换为文本可搜索的pdfs。

Answer 3

我喜欢xeon回答的声音，尽管OCRopus听起来很有趣。