企业官网建设流程全解析

断网环境安装 OCRmyPDF 完整指南：把扫描件批量转成可搜索 PDF

【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF

机房、船载终端、内网服务器——机器连不上外网，手里却压着一摞扫描件，想检索一个词都要翻半天。OCRmyPDF 离线流程可以解决这件事：在有网的地方备齐四个组件，拷进隔离网络环境装好，之后每台机器都能独立给扫描件生成文本层，输出可搜索、可复制的 PDF。

出发前的一次性清单

在有网机器上备齐这四样，之后每个断网环境都能反复使用，不用再碰外网：

注意语言训练数据是单独下发的：把需要的.traineddata文件（英文eng、简体中文chi_sim等）一并拷进 U 盘，这是离线环境里最常被漏掉的一件。

Linux / Windows / macOS 断网安装 OCRmyPDF 速查

Linux 断网安装：Debian 系先下载后 dpkg

在联网的同架构机器上把依赖拉成.deb：

apt-get download ocrmypdf ghostscript tesseract-ocr python3

拷到断网机器后安装，缺的残留依赖顺手补上：

dpkg -i *.deb && apt-get install -f

Fedora 系把两条命令换成dnf download与rpm -ivh *.rpm即可。

Windows 断网安装：四个安装包按序落地

Python、Ghostscript、Tesseract 各自有独立安装包，在联网机上存下来，按 Python → Ghostscript → Tesseract 的顺序装到断网机上。OCRmyPDF 本体装离线 wheel：

pip install ocrmypdf-*.whl

macOS 断网安装：联网机备料，U 盘带走

联网机上先让 Homebrew 把依赖缓存下来：

brew install --download-only ocrmypdf ghostscript tesseract

把缓存的 bottle 文件和 OCRmyPDF 的 wheel 一起拷进 U 盘，再在断网机上安装。注意 macOS 上 Homebrew 严格来说只能离线装一部分，最稳妥的做法还是整机换机或走内网源。

落地自检：3 分钟确认断网机器能跑

• 跑ocrmypdf --version，它能同时核对 Python、Ghostscript、Tesseract 三个外部依赖的版本是否达标，报错就先修哪条。
• 确认语言包文件真的落盘：Linux 的 tessdata 目录是/usr/share/tesseract-ocr/4.00/tessdata/，Windows 是C:\Program Files\Tesseract-OCR\tessdata\，目录里能看到eng.traineddata才算齐。
• 最小运行命令，拿一张扫描件试跑：ocrmypdf tests/resources/typewriter.pdf tests/resources/out.pdf，产物里能选中文本，整条链路就算通了。

参数速查：离线 OCR 最常用的六个选项

批量与自动化：一个循环搞定一整目录

for f in *.pdf; do ocrmypdf "$f" "ocr_$f"; done

需要固定一套参数时，写个配置文件再用--config指过去，不必每次敲全命令行；文件会持续丢进某个目录的话，仓库里的 misc/watcher.py 可以监听目录、新文件进来自动触发识别。

卡住了怎么办

更多参数细节和排错思路，见仓库里的 docs/introduction.md 与 docs/errors.md。

【免费下载链接】OCRmyPDFOCRmyPDF adds an OCR text layer to scanned PDF files, allowing them to be searched项目地址: https://gitcode.com/GitHub_Trending/oc/OCRmyPDF