diff --git a/README_ZH.md b/README_ZH.md index 5e9a7d0c..a4277a10 100644 --- a/README_ZH.md +++ b/README_ZH.md @@ -1,8 +1,3 @@ -# OCRmyPDF 中文说明 - -我将为您创建一个中文版的 README.md 文件。以下是基于原始英文版本的中文翻译： - -```markdown:/Users/huapai/PycharmProjects/OCRmyPDF/README.md @@ -16,98 +11,109 @@ [docs]: https://readthedocs.org/projects/ocrmypdf/badge/?version=latest "RTD" [pyversions]: https://img.shields.io/pypi/pyversions/ocrmypdf "支持的 Python 版本" -OCRmyPDF 为扫描的 PDF 文件添加 OCR 文本层，使其可以被搜索或复制粘贴。 +OCRmyPDF 会为扫描版 PDF 文件添加 OCR 文本层，使其可以搜索或复制粘贴。 ```bash -ocrmypdf # 这是一个可脚本化的命令行程序 - -l eng+fra # 支持多种语言 - --rotate-pages # 可以修正旋转错误的页面 - --deskew # 可以校正倾斜的 PDF！ - --title "My PDF" # 可以更改输出元数据 - --jobs 4 # 默认使用多核心处理 - --output-type pdfa # 默认生成 PDF/A 格式 +ocrmypdf # 它是一个可脚本化的命令行程序 + -l eng+fra # 它支持多种语言 + --rotate-pages # 它可以修正旋转方向错误的页面 + --deskew # 它可以校正歪斜的 PDF！ + --title "My PDF" # 它可以更改输出元数据 + --jobs 4 # 它默认使用多个 CPU 核心 + --output-type pdfa # 它默认生成 PDF/A input_scanned.pdf # 接受 PDF 输入（或图像） output_searchable.pdf # 生成经过验证的 PDF 输出 ``` -[查看发布说明了解最新变更的详情](https://ocrmypdf.readthedocs.io/en/latest/release_notes.html)。 +[查看发布说明，了解最新变更详情](https://ocrmypdf.readthedocs.io/en/latest/release_notes.html)。 -## 主要特点 +## 主要功能 - 从普通 PDF 生成可搜索的 [PDF/A](https://en.wikipedia.org/?title=PDF/A) 文件 -- 准确地将 OCR 文本放置在图像下方，便于复制/粘贴 +- 将 OCR 文本准确放置在图像下方，便于复制/粘贴 - 保持原始嵌入图像的精确分辨率 -- 在可能的情况下，以"无损"操作方式插入 OCR 信息，不破坏任何其他内容 +- 在可能时，以“无损”操作插入 OCR 信息，不干扰任何其他内容 - 优化 PDF 图像，通常生成比输入文件更小的文件 -- 如果需要，在执行 OCR 前对图像进行校正和/或清理 +- 按需在执行 OCR 前校正和/或清理图像 - 验证输入和输出文件 -- 在所有可用的 CPU 核心上分配工作 +- 在所有可用 CPU 核心间分配工作 - 使用 [Tesseract OCR](https://github.com/tesseract-ocr/tesseract) 引擎识别超过 [100 种语言](https://github.com/tesseract-ocr/tessdata) -- 保护您的私人数据安全 -- 适当扩展以处理包含数千页的文件 -- 在数百万 PDF 上经过实战测试 +- 保护你的私有数据。 +- 可以妥善扩展，处理包含数千页的文件。 +- 已在数百万份 PDF 上经过实战检验。 -终端会话中的 OCRmyPDF 演示 +OCRmyPDF 在终端会话中的演示 详情请参阅[文档](https://ocrmypdf.readthedocs.io/en/latest/)。 -## 开发动机 +## 动机 -我在网上搜索免费的命令行工具来对 PDF 文件进行 OCR：我找到了很多，但没有一个真正令人满意： +我曾在网上寻找一款免费的命令行工具来对 PDF 文件执行 OCR：我找到了很多，但没有一个真正令人满意： -- 要么它们生成的 PDF 文件中文本位置错误（使复制/粘贴变得不可能） -- 要么它们不处理重音和多语言字符 -- 要么它们改变了嵌入图像的分辨率 -- 要么它们生成了体积巨大的 PDF 文件 -- 要么它们在尝试 OCR 时崩溃 -- 要么它们不生成有效的 PDF 文件 -- 最重要的是，它们都不生成 PDF/A 文件（专为长期存储设计的格式） +- 要么生成的 PDF 文件中文本位于图像下方的错误位置（导致无法复制/粘贴） +- 要么无法处理重音字符和多语言字符 +- 要么会改变嵌入图像的分辨率 +- 要么生成的 PDF 文件大得离谱 +- 要么在尝试 OCR 时崩溃 +- 要么无法生成有效的 PDF 文件 +- 除此之外，它们都不能生成 PDF/A 文件（专为长期存储设计的格式） -...所以我决定开发自己的工具。 +……所以我决定开发自己的工具。 ## 安装 -支持 Linux、Windows、macOS 和 FreeBSD。Docker 镜像也可用，同时支持 x64 和 ARM。 +支持 Linux、Windows、macOS 和 FreeBSD。也提供 Docker 镜像，同时支持 x64 和 ARM。 -| 操作系统 | 安装命令 | -| --------------------------- | ----------------------------- | -| Debian, Ubuntu | ``apt install ocrmypdf`` | -| Windows Subsystem for Linux | ``apt install ocrmypdf`` | -| Fedora | ``dnf install ocrmypdf`` | -| macOS (Homebrew) | ``brew install ocrmypdf`` | -| macOS (MacPorts) | ``port install ocrmypdf`` | -| macOS (nix) | ``nix-env -i ocrmypdf`` | -| LinuxBrew | ``brew install ocrmypdf`` | -| FreeBSD | ``pkg install py-ocrmypdf`` | -| Ubuntu Snap | ``snap install ocrmypdf`` | +| 操作系统 | 安装命令 | +| ----------------------------- | ------------------------------ | +| Debian, Ubuntu | ``apt install ocrmypdf`` | +| Windows Subsystem for Linux | ``apt install ocrmypdf`` | +| Fedora | ``dnf install ocrmypdf`` | +| macOS (Homebrew) | ``brew install ocrmypdf`` | +| macOS (MacPorts) | ``port install ocrmypdf`` | +| macOS (nix) | ``nix-env -i ocrmypdf`` | +| LinuxBrew | ``brew install ocrmypdf`` | +| FreeBSD | ``pkg install py-ocrmypdf`` | +| OpenBSD | ``pkg_add ocrmypdf`` | +| Ubuntu Snap | ``snap install ocrmypdf`` | -对于其他用户，[请参阅我们的文档](https://ocrmypdf.readthedocs.io/en/latest/installation.html)了解安装步骤。 +其他用户请[参阅我们的文档](https://ocrmypdf.readthedocs.io/en/latest/installation.html)了解安装步骤。 ## 语言 -OCRmyPDF 使用 Tesseract 进行 OCR，并依赖其语言包。对于 Linux 用户，您通常可以找到提供语言包的软件包： +OCRmyPDF 使用 Tesseract 执行 OCR，并依赖其语言包。对于 Linux 用户，通常可以找到提供语言包的软件包： ```bash -# 显示所有 Tesseract 语言包的列表 -apt-cache search tesseract-ocr # Debian/Ubuntu 用户 -apt-get install tesseract-ocr-chi-sim # 示例：安装中文简体语言包 +apt-cache search tesseract-ocr # 显示所有 Tesseract 语言包列表 +apt-get install tesseract-ocr-chi-sim # 示例：安装简体中文语言包 + # Arch Linux 用户 pacman -S tesseract-data-eng tesseract-data-deu # 示例：安装英语和德语语言包 +# OpenBSD 用户 +pkg_info -aQ tesseract # 显示所有 Tesseract 语言包列表 +pkg_add tesseract-cym # 示例：安装威尔士语语言包 + # brew macOS 用户 brew install tesseract-lang + +# Fedora 用户 +dnf search tesseract-langpack # 显示所有 Tesseract 语言包列表 +dnf install tesseract-langpack-ita # 示例：安装意大利语语言包 + + ``` -然后，您可以向 OCRmyPDF 传递 `-l LANG` 参数，提示它应该搜索哪些语言。可以请求多种语言。 +随后可以向 OCRmyPDF 传递 `-l LANG` 参数，提示它应搜索哪些语言。可以同时请求多种语言。 -OCRmyPDF 支持 Tesseract 4.1.1+。它会自动使用在 `PATH` 环境变量中首先找到的版本。在 Windows 上，如果 `PATH` 不提供 Tesseract 二进制文件，我们会根据 Windows 注册表使用已安装的最高版本号。 +OCRmyPDF 支持 Tesseract 4.1.1+。它会自动使用 `PATH` 环境变量中首先找到的版本。在 Windows 上，如果 `PATH` 中没有 Tesseract 二进制文件，我们会根据 Windows 注册表使用已安装的最高版本号。 ## 文档和支持 -安装 OCRmyPDF 后，可以通过以下方式访问内置帮助，解释命令语法和选项： +安装 OCRmyPDF 后，可以通过以下命令访问内置帮助，了解命令语法和选项： ```bash ocrmypdf --help @@ -115,13 +121,13 @@ ocrmypdf --help 我们的[文档托管在 Read the Docs 上](https://ocrmypdf.readthedocs.io/en/latest/index.html)。 -请在我们的 [GitHub issues](https://github.com/ocrmypdf/OCRmyPDF/issues) 页面上报告问题，并遵循问题模板以获得快速响应。 +请在我们的 [GitHub issues](https://github.com/ocrmypdf/OCRmyPDF/issues) 页面报告问题，并遵循 issue 模板以便快速获得响应。 ## 功能演示 ```bash -# 添加 OCR 层并转换为 PDF/A -ocrmypdf input.pdf output.pdf +# 添加 OCR 层并要求输出 PDF/A +ocrmypdf --output-type pdfa input.pdf output.pdf # 将图像转换为单页 PDF ocrmypdf input.jpg output.pdf @@ -129,45 +135,53 @@ ocrmypdf input.jpg output.pdf # 就地为文件添加 OCR（仅在成功时修改文件） ocrmypdf myfile.pdf myfile.pdf -# 使用非英语语言进行 OCR（查找您语言的 ISO 639-3 代码） +# 使用非英语语言执行 OCR（请查找对应语言的 ISO 639-3 代码） ocrmypdf -l fra LeParisien.pdf LeParisien.pdf # OCR 多语言文档 ocrmypdf -l eng+fra Bilingual-English-French.pdf Bilingual-English-French.pdf -# 校正（矫正倾斜的页面） +# 校正歪斜页面 ocrmypdf --deskew input.pdf output.pdf ``` -更多功能，请参阅[文档](https://ocrmypdf.readthedocs.io/en/latest/index.html)。 +更多功能请参阅[文档](https://ocrmypdf.readthedocs.io/en/latest/index.html)。 ## 要求 -除了所需的 Python 版本外，OCRmyPDF 还需要外部程序安装 Ghostscript 和 Tesseract OCR。OCRmyPDF 是纯 Python 编写的，几乎可以在所有平台上运行：Linux、macOS、Windows 和 FreeBSD。 +除所需的 Python 版本外，OCRmyPDF 还需要安装 Ghostscript 和 Tesseract OCR 这两个外部程序。OCRmyPDF 是纯 Python 项目，几乎可以在所有平台上运行：Linux、macOS、Windows 和 FreeBSD。 -## 媒体报道 +## 插件 -- [使用 OCRmyPDF 实现无纸化](https://medium.com/@ikirichenko/going-paperless-with-ocrmypdf-e2f36143f46a) -- [将扫描文档转换为带有编辑的压缩可搜索 PDF](https://medium.com/@treyharris/converting-a-scanned-document-into-a-compressed-searchable-pdf-with-redactions-63f61c34fe4c) -- [c't 1-2014, 第 59 页](https://heise.de/-2279695)：在德国领先的 IT 杂志 c't 中详细介绍 OCRmyPDF v1.0 -- [heise Open Source, 09/2014: 使用 OCRmyPDF 进行文本识别](https://heise.de/-2356670) -- [heise 使用 OCRmyPDF 创建可搜索的 PDF 文档](https://www.heise.de/ratgeber/Durchsuchbare-PDF-Dokumente-mit-OCRmyPDF-erstellen-4607592.html) -- [优秀实用工具：OCRmyPDF](https://www.linuxlinks.com/excellent-utilities-ocrmypdf-add-ocr-text-layer-scanned-pdfs/) -- [LinuxUser 使用 OCRmyPDF 和 Scanbd 自动化文本识别](https://www.linux-community.de/ausgaben/linuxuser/2021/06/texterkennung-mit-ocrmypdf-und-scanbd-automatisieren/) -- [Y Combinator 讨论](https://news.ycombinator.com/item?id=32028752) +OCRmyPDF 提供插件接口，允许扩展或替换其能力。以下是我们知道的一些插件： -## 商业咨询 +- [OCRmyPDF-AppleOCR](https://github.com/mkyt/ocrmypdf-AppleOCR)：用 Apple Vision Framework 替换标准 Tesseract OCR 引擎。需要 macOS。 +- [OCRmyPDF-EasyOCR](https://github.com/ocrmypdf/OCRmyPDF-EasyOCR)：用 EasyOCR 替换标准 Tesseract OCR 引擎；EasyOCR 是基于 PyTorch 的较新 OCR 引擎。强烈建议使用 GPU。 +- [OCRmyPDF-PaddleOCR](https://github.com/clefru/ocrmypdf-paddleocr)：用 PaddleOCR 替换标准 Tesseract OCR 引擎；PaddleOCR 是功能强大的 GPU 加速 OCR 引擎。 -如果没有公司和用户选择为功能开发和咨询提供支持，OCRmyPDF 就不会成为今天的软件。我们很乐意讨论所有咨询，无论是扩展现有功能集，还是将 OCRmyPDF 集成到更大的系统中。 +[paperless-ngx](https://docs.paperless-ngx.com/) 将 OCRmyPDF 集成到可搜索的文档管理系统中。 + +## 新闻与媒体 + +- [Going paperless with OCRmyPDF](https://medium.com/@ikirichenko/going-paperless-with-ocrmypdf-e2f36143f46a) +- [Converting a scanned document into a compressed searchable PDF with redactions](https://medium.com/@treyharris/converting-a-scanned-document-into-a-compressed-searchable-pdf-with-redactions-63f61c34fe4c) +- [c't 1-2014，第 59 页](https://heise.de/-2279695)：德国领先 IT 杂志 c't 对 OCRmyPDF v1.0 的详细介绍 +- [heise Open Source, 09/2014: Texterkennung mit OCRmyPDF](https://heise.de/-2356670) +- [heise Durchsuchbare PDF-Dokumente mit OCRmyPDF erstellen](https://www.heise.de/ratgeber/Durchsuchbare-PDF-Dokumente-mit-OCRmyPDF-erstellen-4607592.html) +- [Excellent Utilities: OCRmyPDF](https://www.linuxlinks.com/excellent-utilities-ocrmypdf-add-ocr-text-layer-scanned-pdfs/) +- [LinuxUser Texterkennung mit OCRmyPDF und Scanbd automatisieren](https://www.linux-community.de/ausgaben/linuxuser/2021/06/texterkennung-mit-ocrmypdf-und-scanbd-automatisieren/) +- [Y Combinator discussion](https://news.ycombinator.com/item?id=32028752) + +## 商务咨询 + +如果没有公司和用户选择支持功能开发与咨询服务，OCRmyPDF 不会成为今天的软件。无论是扩展现有功能集，还是将 OCRmyPDF 集成到更大的系统中，我们都很乐意讨论各类咨询需求。 ## 许可证 -OCRmyPDF 软件根据 Mozilla 公共许可证 2.0 (MPL-2.0) 授权。此许可证允许将 OCRmyPDF 与其他代码集成，包括商业和闭源代码，但要求您发布对 OCRmyPDF 所做的源代码级修改。 +OCRmyPDF 软件采用 Mozilla Public License 2.0 (MPL-2.0) 授权。该许可证允许将 OCRmyPDF 与其他代码集成，包括商业代码和闭源代码，但要求你发布对 OCRmyPDF 所做的源代码级修改。 -OCRmyPDF 的某些组件有其他许可证，如标准 SPDX 许可证标识符或 DEP5 版权和许可信息文件所示。一般来说，非核心代码根据 MIT 许可，文档和测试文件根据 Creative Commons ShareAlike 4.0 (CC-BY-SA 4.0) 许可。 +OCRmyPDF 的某些组件采用其他许可证，具体由标准 SPDX 许可证标识符或 DEP5 版权与许可信息文件标明。一般来说，非核心代码采用 MIT 许可证，文档和测试文件采用 Creative Commons ShareAlike 4.0 (CC-BY-SA 4.0) 许可证。 ## 免责声明 -本软件按"原样"分发，不提供任何明示或暗示的保证或条件。 - -这份中文版 README.md 保留了原始文档的所有重要信息，包括功能介绍、安装说明、语言支持、使用示例等内容，同时保持了原始格式和结构。 \ No newline at end of file +本软件按“原样”分发，不提供任何明示或暗示的保证或条件。