OCRmyPDF
免费给扫描版 PDF 加一层看不见的文字，从此能搜能复制
开源 无广告 无追踪 离线可用 无需注册 跨平台
命令行工具，给扫描版 PDF 添加不可见的 OCR 文字层，页面外观完全不变，但可以搜索、选中和复制。基于 Tesseract 引擎，支持一百多种语言，自动纠正倾斜、去噪、压缩体积，可以批量处理整个目录。
为什么推荐它
MPL-2.0 协议，3.48 万颗星。
扫描件 PDF 本质上是一叠图片，Ctrl-F 搜不到任何东西。 OCRmyPDF 的做法是在图片底下压一层透明文字， 肉眼看页面一模一样，但文字层可以被搜索引擎、 阅读器和目录里的 Paperless-ngx 索引到。
它的定位是流水线上的一环，不是给人点的界面：
ocrmypdf -l chi_sim+eng input.pdf output.pdf
一行命令处理一份，套个循环就是几百份。 扫描仪出来的文件直接过一遍它再进归档系统，这是很多人的固定流程。
要说清楚的：
- 纯命令行，没有图形界面。只处理一两份文件的话， 目录里的 Umi-OCR 或 Stirling PDF 更直接。
- 中文识别要装对应的 Tesseract 语言包（
chi_sim、chi_tra）， 默认只带英文。 - 已经有文字层的 PDF 默认会跳过，要强制重做得加
--force-ocr。