Powershell 和 Adob​​e OCR [关闭]

Question

我们有许多 pdf 文件，它们都已解锁，它们有文本、图片等。每次我们必须在 adobe 上打开文件并手动执行时，我想也许有更好的方法来处理 PowerShell，如果不是，是的，我们有要做超过 1000 个文件，还有更多的文件，但谢谢你的回答 佩吉

Answer 1

在进一步研究之后，我发现了一个命令行工具，您可以将它与 PowerShell 结合使用。它被称为 tesseract。对于 Windows 和 Linux，请下载 prebuilt binaries。对于 MacOS，您需要使用 MacPorts 或 Homebrew。

你会想做这样的事情：

# Using Get-ChildItem's -Include parameter to filter file types
# requires the target path to end in an asterisk. Using just an
# asterisk as the path makes it target the current directory.
foreach ($pdf in (Get-ChildItem * -Include *.pdf))
{
  # An array isn't needed, it's just good for arranging arguments
  tesseract @(
    #INPUT:
    $pdf
    #OUTPUT:
    "$($pdf.Directory)\{OCR} $($pdf.Name)"
    #LANGUAGE:
    '-l','eng'
  )
  # The directory is included in the output path so that you can
  # change Get-ChildItem's target without adjusting the argument
}

或者，没有绒毛：

foreach ($pdf in (Get-ChildItem * -Include *.pdf))
{
  tesseract $pdf "$($pdf.Directory)\{OCR} $($pdf.Name)" -l eng
}

当然，我还没有实际测试过 tesseract，但我确实阅读了其他问答页面以得出适当的命令。如果有任何问题，请告诉我。

Answer 2

你的问题有点不清楚。有一种使用 PowerShell 对图像进行 OCR 的方法，例如使用 this function，您可以使用 this function 将 pdf 转换为图像（它确实需要 imagemagick，可以使用 here，如果你不这样做，还有便携式选项想要安装任何东西）。这将有效地让您搜索尚未经过 OCR 处理的 PDF 文件。

但是，就使用 PowerShell 直接编辑 PDF 文件以将其转换为 OCR 的 PDF 而言，虽然 PowerShell 功能可能会帮助您自动化该过程，但您首先需要找到一个可以执行此类操作的程序命令行。 PDF 文件也必须全部解锁，这样才能编辑它们（尽管有一些方法可以绕过 PDF 锁来解锁它们）。

不幸的是，我真的不知道有什么程序可以做到这一点。也许可以使用一些高级的Ghostscript 参数，但我还没有研究过。这肯定不容易！