OCRmyPDF
https://ocrmypdf.readthedocs.io/en/latest/
Ferramenta que adiciona uma camada de texto reconhecido (OCR) a PDFs digitalizados, para que possam ser pesquisados. Usa o Tesseract como mecanismo de reconhecimento.
Funcionalidades
Section titled “Funcionalidades”- Geração de arquivos em PDF/A.
- Reconhecimento em vários idiomas, com pacotes de idioma instaláveis, incluindo o português.
- Tratamento de imagem e otimização do tamanho do PDF.
- Processamento em lote.
Textos manuscritos ou em colagem podem ter reconhecimento baixo.
Observações
Section titled “Observações”- Custo: gratuito.
- Instalação: programa para computador; também disponível como imagem Docker.
- Conhecimento técnico: uso do terminal.
- Licença: MPL 2.0.
Leitura inicial baseada na fonte oficial
Section titled “Leitura inicial baseada na fonte oficial”Esta não é uma avaliação de uso pelo Viveiro. A fonte oficial apresenta o OCRmyPDF como uma ferramenta que adiciona uma camada de texto reconhecido a PDFs digitalizados para torná-los pesquisáveis, com processamento de imagens, otimização de PDF, PDF/A, pacotes de idiomas, uso em lote, Docker e API.
Parece adequado para transformar lotes de PDFs digitalizados em arquivos pesquisáveis antes da publicação ou preservação. A avaliação prática deve incluir revisão da qualidade do OCR, escolha dos idiomas e tratamento de documentos com problemas de segurança ou formatação.