UB-Mannheim/zotero-ocr
Zotero Plugin for OCR
解决的问题
Zotero OCR 允许用户通过为 Zotero 库中的非搜索型 PDF 添加文本层，使其可被搜索。它解决了扫描文档无法被索引或搜索特定关键词的问题。
工作原理
该插件集成了 Tesseract OCR 和 pdftoppm（来自 Poppler 工具）。它将 PDF 页面转换为图像，使用 Tesseract 识别文本，然后生成包含识别文本层的新 PDF、仅文本的笔记，或用于验证的 HTML（hOCR）文件。
适用人群
研究人员、学者以及任何使用 Zotero 管理大量需要转换为可搜索文档的扫描 PDF 的人。
主要特点
- 与 Zotero 集成：可直接从 Zotero 上下文菜单对选定的 PDF 操作。
- 多种输出选项：可生成新的可搜索 PDF、仅文本的笔记，或用于验证的 HTML 文件。
- 可自定义设置：用户可调整 DPI、Tesseract 页面分割模式（PSM）以及 OCR 语言/脚本。
- 灵活的附件处理：可选择将新 PDF 作为普通附件添加、作为链接文件添加，或覆盖原始 PDF。
相关
- 项目
- 项目
- 项目
- 项目
- 项目