ocrmypdf/OCRmyPDF

해결하는 문제

OCRmyPDF는 스캔된 PDF 파일이 본질적으로 검색, 인덱싱, 복사/붙여넣기가 불가능한 이미지라는 문제를 해결합니다. 정확한 OCR 텍스트 레이어를 추가하여 이러한 "평면" PDF를 검색 가능한 문서로 변환하며, 원본 시각적 품질을 훼손하지 않습니다.

작동 방식

이 도구는 스크립트 작성이 가능한 명령줄 도구로, Tesseract OCR 엔진을 사용하여 100개 이상의 언어를 인식합니다. 처리 과정에는 PDF 분석, 이미지 정리(기울기 보정 또는 페이지 회전), 그리고 인식된 텍스트를 원본 이미지 아래에 정확하게 삽입하는 작업이 포함됩니다. 장기 보관을 위한 PDF/A 파일을 생성할 수 있으며, 이미지를 최적화하여 최종 파일 크기를 줄일 수도 있습니다.

대상 사용자

대량의 스캔 문서를 디지털화해야 하는 사용자, 문서 처리 자동화를 원하는 개발자, 그리고 데이터 프라이버시를 유지하면서 개인 아카이브를 검색 가능하게 만들고 싶은 모든 사람을 위해 설계되었습니다.

주요 특징

• 검색 가능한 PDF/A: 장기 보관을 위한 업계 표준 PDF/A 파일을 생성합니다.
• 이미지 최적화: 포함된 이미지를 최적화하여 입력 파일보다 작은 출력 파일을 생성하는 경우가 많습니다.
• 무손실 작업: 가능한 경우 기존 콘텐츠를 방해하지 않고 OCR 정보를 삽입합니다.
• 전처리: 기울어진 페이지를 보정하고 정렬되지 않은 페이지를 회전하는 내장 기능을 포함합니다.
• 확장성: 플러그인을 지원하여 Tesseract 엔진을 EasyOCR 또는 PaddleOCR과 같은 대체 엔진으로 교체할 수 있습니다.