pdfsandwich - 云端在线

程序：

您的姓名

pdf三明治 - 从扫描的 pdf 文件中生成三明治 OCR pdf 的生成器

概要

pdf三明治 [选项] 输入文件.pdf

商品描述

pdf三明治 生成“三明治”OCR pdf 文件，即仅包含图像的 pdf 文件
（无文字）将被光学字符识别（OCR）处理，文字将被
添加到每个页面无形“背后”的图像。 注意 pdf三明治 需要的
以下程序：unpaper、convert、gs、hocr2pdf（适用于 tesseract < 3.03）和 tesseract。
由于tesseract >= 3.03 可以写pdf文件，所以只有旧版本的需要hocr2pdf
超立方体。 请拜访 http://www.tobias-elze.de/pdf三明治.

配置

-转变
-转变 文件名：转换二进制文件的名称（默认：转换）

-咕 -咕 选项 : 额外转换 选项; 确保报价； 例如 -咕
"-标准化 -黑阈值 75%" 呼叫转换 - 帮帮我 或人为所有人转换
兑换 选项

-调试 保留所有临时文件 / tmp目录 （用于调试）

-enforcehocr2pdf
即使 tesseract >= 2 也使用 hocr3.03pdf

-第一页
-第一页 number : 开始 OCR 的页数（默认值：1）

-灰色过滤器
启用 unpaper 的灰色过滤器； 更远 选项 可以通过设置 -云浦

-gs -gs 文件名：gs 二进制文件的名称（默认值：gs）

-hocr2pdf
-hocr2pdf 文件名：hocr2pdf 二进制文件的名称（默认：hocr2pdf）； 忽略
tesseract >= 3.03 除非选项 -enforcehocr2pdf 设置

-呼 -呼 选项 : 额外的 hocr2pdf 选项; 确保报价

-确认
-确认 文件名：标识二进制文件的名称（默认值：标识）

-最后一页
-最后一页 number : 处理 OCR 的页数（默认：
输入文件中的页面）

-郎 -郎 语言：文本的语言； tesseract的选项（默认：eng）例如：eng，
deu, deu-frak, fra, rus, swe, spa, ita, ... 查看选项 -list_langs; 多种的
可以指定语言，用加号分隔。

-布局
-布局 { 单 | 双| none } : 扫描页面的布局； 需要无纸
单：每张一页双：每张两页无：没有自动布局
（默认）

-list_langs
列出当前可用的语言并退出； 如果是自定义二进制文件
tesseract，把它放在 -正方体 选项

-最大像素
-最大像素 NUM : 输入文件允许的最大像素数，如果
(resolution/72)^2 *width*height > maxpixels 然后缩小输入文件的页面
在 OCR 之前，以像素为单位的页面大小对应于 maxpixels； 默认：
17415167（A3 @ 300 dpi）

-没有图像
不要将图像放在文本上（需要 hocr2pdf；没有
-enforcehocr2pdf 选项​​）

-nopreproc
不要用无纸预处理

-n线程
-n线程 number : 并行线程的数量（默认值：猜测的 CPU 数量；如果
猜测失败：1）

-o -o 文件名：输出文件； 默认值：inputfile_ocr.pdf（如果扩展名不同
从 .pdf，保留原始扩展名）

-页面大小
-页面大小 { 原 | NUMxNUM } : 设置输出pdf原件的页面大小：同
输入文件（默认） NUMxNUM：像素宽 x 高（例如对于 A4： -页面大小
595x842）

-解析度
-解析度 NUM ：用于 OCR 的分辨率 (dpi)（默认值：300）

-RGB 对图像使用 RGB 色彩空间（默认：黑白）； 小心使用：原因
一些色彩空间的问题

-草率的文字
随意放置文字，组合词，不要绘制单个字形； 忽略tesseract
>= 3.03 除非选项 -enforcehocr2pdf 设置

-正方体
-正方体 文件名：tesseract 二进制文件的名称（默认：tesseract）

-泰索 -泰索 选项 : 额外的tesseract 选项; 确保报价

- 拆纸
- 拆纸 filename : unpaper 二进制文件的名称（默认值：unpaper）

-云浦 -云浦 选项 : 额外的非纸 选项; 确保报价

-安静的 抑制输出

-冗长
产生更多的输出

-版
打印版本并退出

-救命 显示此列表 选项

- 帮帮我 显示此列表 选项

语言

通过 Tesseract，可以使用多种语言包 - 请点击此链接
http://code.google.com/p/tesseract-ocr/downloads/list 获取完整列表。 这是一个
支持的语言及其缩写的选择不完整：

ara（阿拉伯语）、aze（阿塞拜疆语）、bul（保加利亚语）、cat（加泰罗尼亚语）、ces（捷克语）、chi_sim
（简体中文）、chi_tra（繁体中文）、chr（切诺基语）、dan（丹麦语）、dan-
frak（丹麦语（Fraktur））、deu（德语）、ell（希腊语）、eng（英语）、enm（古英语）、epo
（世界语）、est（爱沙尼亚语）、fin（芬兰语）、fra（法语）、frm（古法语）、glg
（加利西亚语）、heb（希伯来语）、hin（印地语）、hrv（克罗地亚语）、hun（匈牙利语）、ind（印度尼西亚语）、
ita（意大利语）、jpn（日语）、kor（韩语）、lav（拉脱维亚语）、lit（立陶宛语）、nld（荷兰语）、
nor（挪威语）、pol（波兰语）、por（葡萄牙语）、ron（罗马尼亚语）、rus（俄语）、slk
（斯洛伐克语）、slv（斯洛文尼亚语）、sqi（阿尔巴尼亚语）、spa（西班牙语）、srp（塞尔维亚语）、swe（瑞典语）、
tam（泰米尔语）、tel（泰卢固语）、tgl（他加禄语）、tha（泰语）、tur（土耳其语）、ukr（乌克兰语）、vie
（越南文）

可以指定多种语言，用加号分隔。 请注意，
需要在您的系统上安装相应的 tesseract 语言包才能被
pdf三明治. 选项 -list_langs 列出系统上可用的语言。

可用性

可以在以下位置找到源和包以及全面的帮助 http://www.tobias-
elze.de/pdf三明治.

使用 onworks.net 服务在线使用 pdfsandwich