什么是最好，最简单的OCR解决方案？

问题描述

我想扫描一下我躺在身边的大量文件，尽量减少麻烦。我想使用简单扫描将它们转换为图像，然后使用OCR将它们转换为文本。是否有一个带有GUI的优秀OCR应用程序，只需按一下按钮就可以获得良好的效果？

GOCR from是一种OCR(光学字符识别)程序。它将文本的扫描图像转换回文本文件。
CLARA是另一个很好的图形选项。
OCRAD from是一个OCR，可以用作stand-alone控制台应用程序，也可以作为其他程序的后端。
KOOKA from是一个KDE应用程序，但工作正常，此外你必须安装实际的OCR程序，如GOCR和OCRAD.After安装Kooka和OCR程序后，你必须指向Kooka到OCR安装位置，以便它能够将JPEG转换为文本。
OCRFeeder from是一种文档布局分析和光学字符识别系统。
Tesseract from是命令行实用程序，使用起来非常简单。您可以从here安装语言包tesseract-ocr-eng。

看看这个page。

注意：要运行tesseract goto终端并键入以下内容

tesseract imagefile.tif outputfile.txt

Tesseract只能读取TIFF文件 – 如果你有JPEG或PDF或其他什么，你将不得不转换它。此外，文件扩展名必须是.tif，而不是.tiff，否则会出现tesseract错误。

linux-intelligent-ocr解决方案

免责声明 – 我与此开源解决方案的开发密切相关

Lios可以使用扫描仪或相机将打印转换为文本。

它还可以从其他来源(例如包含图像的Pdf，图像或文件夹)生成扫描图像。

该计划为视障人士提供完全无障碍服务。

由于我紧密相连 – 我很乐意反馈。

你可以使用很少的流行的OCR 命令行工具(我不确定他们是否有GUI)：

Tesseract(ReadMe，FAQ)(Python)

也适用于：Tesseract .NET，Tesseract iOS

一种OCR引擎，于1985年至1995年间在惠普实验室开发，现在又在Google上开发。 Tesseract可能是最准确的开源OCR引擎。

用法：
```
tesseract [inputFile] [outputFile] [-l optionalLanguageFile] [PathTohOCRConfigFile]
```
GOCR Open-source字符识别。它将扫描的文本图像转换回文本文件。 GOCR可以与不同的front-ends一起使用，这使得它很容易移植到不同的操作系统和架构。它可以打开许多不同的图像格式，其质量每天都在提高。
OCRopus™(FAQ)(用Python，NumPy和SciPy编写)OCR系统专注于使用大规模机器学习来解决文档分析中的问题，具有可插拔布局分析，可插入字符识别，统计自然语言建模和multi-lingual功能。 OCRopus引擎基于两个研究项目：一个90年代中期开发并由美国人口普查局部署的high-performance手写识别器，以及新颖的high-performance布局分析方法。 OCRopus的开发是由Google赞助的，最初用于high-throughput，high-volume文档转换工作。我们希望它也是许多其他应用的优秀OCR系统。
Tessnet2(开源，OCR，Tesseract，.NET，DOTNET，C#，VB.NET，C++ /CLI)Tesseract是一个C++开源OCR引擎。 Tessnet2是.NET程序集，它公开了非常简单的OCR方法。 Tessnet2属于Apache 2许可证(如tesseract)，这意味着您可以按照自己的意愿使用它，包含在商业产品中。

有关更完整的列表，请查看：Wikipedia上的List of optical character recognition software

另请参阅：wanghaisheng/awesome-ocr – GitHub上有前途的OCR资源的精选列表。

OCR在多页PDF或扫描文档上

这可能是最简单的方法。 Gscan2pdf是一个图形工具，它不仅可以扫描文件，还可以导入文件并对它们执行OCR。从Ubuntu软件中心安装gscan2pdf from here或在终端中运行此命令：

sudo apt-get install gscan2pdf

Gscan2PDF可以使用可定制的OCR引擎，默认为tesseract-ocr

您可以考虑选择适当的语言。在这种情况下，您需要安装tesseract-ocr-LANG软件包，其中LANG是三字母ISO 639-2语言代码。现在你在16.04 repo上有108种语言。

我刚用pdfocr.rb取得了成功(16.04以下)。这在Ubuntu wiki上列出

Here is a ppa但16.04的存储库未更新。上面来自github的ruby脚本虽然仍然适用于16.04。

你可以从Github下载它。您将需要安装以下软件包：

ruby tesseract-ocr pdftk exactimage

然后制作pdfocr.rb可执行文件并运行：

./pdfocf.rb -i source.pdf -o output.pdf

您可以选择使用-l LANG参数。在这种情况下，您需要安装tesseract-ocr-LANG软件包，其中LANG是三字母ISO 639-2语言代码。现在你在16.04 repo上有108种语言。

最好和最简单的方法是使用pypdfocr它不会改变pdf。 pypdfocr is a python module link here.

pypdfocr your_document.pdf

最后，您将获得另一个your_document_ocr.pdf，您可以使用可搜索的文本。该应用程序不会改变图像的质量。通过添加叠加文本来增加文件的大小。

我认为命令非常简单，不需要任何GUI。也许安装pypdfocr有点冗长：

sudo apt install tesseract-ocr 
pip install pypdfocr