企业官网建设流程全解析

OCRmyPDF 中文字体 3 步搞定：隐形乱码立刻显示

【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

一份中文扫描件丢进 OCRmyPDF，出来的 PDF 搜「合同」搜不到，鼠标一高亮，文字层整片空白，日志里一行 warning 盯着你：No installed font has glyphs for the detected 'chi_sim' text。别急着调--pdf-renderer，也别怀疑 Tesseract——90% 的中文乱码是系统里压根没装对应的 Noto 字体，文字层被塞进了隐形兜底字体。

字体注入：按词挑字体的机制

先说机制。字体注入（把 OCR 识别出的文字"贴"回 PDF 图层）在 OCRmyPDF 里是按词为单位干的。MultiFontManager（src/ocrmypdf/font/multi_font_manager.py，这个文件负责给每个词挑字体）里的select_font_for_word()把挑字体想成按词点菜：先翻语言映射表（chi_sim → NotoSansSC），没有就沿一条字体链挨个问谁有这些字，再不行就扫系统里所有 Noto 字体，最后才兜底到无字形字体 Occulta——src/ocrmypdf/data/Occulta.ttf，一个覆盖全 BMP 但每个字都不画轮廓的隐形字体，专门保证"搜得到"。而 src/ocrmypdf/font/font_provider.py（内置字体供应商，负责声明到底有哪些字体可用）里写死了内置只带 NotoSans-Regular 和 Occulta 两个字体，阿拉伯、天城文、CJK 全靠系统自己装。所以，要改的不是代码，是你系统里的字体。

动手 3 步

先确认缺哪个字体

跑一遍你出问题的 PDF，打开日志找 warning，它会把缺字形的那个词、Unicode 码位和该装的字体族一次性念给你听。确认这一步的价值在于别瞎装——日志点名 NotoSansSC 你就装简中，点名 NotoSansJP 就装日文，装错族还是空白。

装对字体的 Noto 字体

把日志点名的 Noto 字体装进系统，OCRmyPDF 只认 NotoSans 系，别用微软雅黑之类替代。Linux 走包管理器：

# Debian/Ubuntu；RHEL 系包名带 cjk sudo apt install fonts-noto-cjk fonts-noto

其他平台直接下载 Noto Sans CJK 的 ttf/otf 解压到~/.local/share/fonts（Linux）、~/Library/Fonts（macOS）或C:\Windows\Fonts（Windows），src/ocrmypdf/font/system_font_provider.py（系统字体扫描器，负责在这些目录里递归找 Noto 字体）下次运行会自动发现，不需要任何重启或配置。

10 秒确认字体是否生效

先用代码确认 OCRmyPDF 真的看见了这个字体：

from ocrmypdf.font import MultiFontManager m = MultiFontManager() print(m.has_font('NotoSansSC-Regular'))

返回 True 说明扫描成功。然后重跑ocrmypdf --language chi_sim in.pdf out.pdf，日志里 warning 消失、PDF 里高亮能看见文字，才算修好。

这两个坑我替你踩过了

坑 1：装了简中字体，日文假名还是空白。现象是汉字正常、假名位置空着。底层卡在哪：NotoSansSC 只是区域子集不含假名，而select_font_for_word要求整词字形全覆盖。一行解法：日文文档直接改跑ocrmypdf --language jpn，或单独装 NotoSansJP。

坑 2：日志说"no single installed font covers"。现象：一个词内混了两种文字（比如"API接口"），整个词被丢进隐形层。底层卡在哪：设计上 OCRmyPDF 一个词只绑一种字体。一行解法：这种情况装字体救不了，把它拆成两种文字各占一词的文档重跑，或者接受它可搜索但隐形。

下一步

现在你重跑那份混合语言 PDF，确认日志不再报缺字体——字体发现结果会缓存，新装的字体必须重跑才生效。想搞懂非嵌入字体和 PDF/A 的冲突，翻翻 docs/advanced.md，里面讲得透。

【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