更多代码在 Github

使用 ocrmypdf ，根据官方教程安装。Linux系统（包含MacOS，WSL）会简单一点，Windows复杂一点。

使用方法：直接在命令行执行

ocrmypdf --pages 1 --optimize 0 --output-type none --sidecar output.txt input.pdf -

–pages 1 是仅处理 pdf 的第一页，–optimize 0 禁用页面优化，–output-type none是不输出额外的一个pdf（需要配合最后的 -）

还可以加上 --quiet 不让打印过程

会在本地保存一个 output.txt 里面存有识别的文字。

默认的是英文，可以替换为其他语言

如果想要写入python，注意如果简单加进去会报一个错误 python stdout is connected to a terminal. Please redirect stdout to a file.下面的程序中已经修复了。

import os
import subprocess
import shlex

file = 'test.pdf'
command = f"ocrmypdf --deskew --rotate-pages --rotate-pages-threshold 5 --output-type none --sidecar ocr_output.txt {file} -"
command_args = shlex.split(command)

with open('log', "w") as outfile:
    subprocess.run(command_args, stdout=outfile)
os.remove('log')