Ett verktyg som låter dig göra det är PDF-XChange Viewer. Den fria versionen låter dig OCR ditt dokument på en mängd olika språk (du kan ladda ner ytterligare språkpaket gratis) och lägga till OCR-texten som ett överlagringstextlager som du kan kopiera från och söka med CTRL + F.

• snabb PDF-visare med många funktioner
• snabb OCR-motor (om du inte väljer bästa noggrannhet)
• många alternativ har PRO -ikonen bredvid dem (endast tillgänglig i Pro-versionen) men du kan dölja dem
• färghantering och anpassad skärm DPI-inställningar
• Endast Windows-applikation, som inte verkar inte fungera på Vin (tittaren fungerar, men OCR-funktionen gör att den kraschar)

Vad den inte gör:

• OCR utnyttjar inte flera kärnor
• OCR upptäcker inte teckenstilar (fet, kursiv) eller kopieringsfunktionen förlorar dem
• den använder inte korrigera Rumänska diakritiker, men kan fixas om du kopierar text i en redigerare och söker och ersätter:

Testa pdfsandwich . Från man-sidan:

pdfsandwich genererar "sandwich" OCR pdf-filer, dvs. pdf-filer som endast innehåller bilder (ingen text) kommer att bearbetas av optisk teckenigenkänning (OCR) och texten kommer att läggs till varje sida osynligt "bakom" bilderna.

pdfsandwich är ett kommandoradsverktyg. Om du har en skannad pdf-fil, till exempel den här: alice.pdf (som är det första kapitlet i en roman du kanske har hört talas om), anropa pdfsandwich så här:

  pdfsandwich alice.pdf  

Detta genererar en fil alice_ocr.pdf som ser ut som den ursprungliga filen, men den igenkända texten placeras bakom skannade bilder. Du kan göra sökningar i fulltext nu eller välja textområden.

Ett annat alternativ kan vara OCRmyPDF .

Den nyare versionen av Tesseract (3.03 RC när detta skrivs) kan göra detta:

• gratis, opensource och tvärplarform
• från version 3.03 PDF-utdata är tillgänglig
• CLI-programvara
• stöd för flera språk
• tyvärr, enbildsinmatning, så för att skapa ett komplett dokument måste man skapa ett batch-skript för att konvertera varje sidbild till sökbar PDF. Därefter ska PDF-sidor kombineras till en enda PDF med hjälp av verktyg som pdftk strong.

Detta är kommandot:

  tesseract -l <lang> input.tif output pdf  

pypdfocr är det som fungerade för mig. Det är ett Python-skript som effektiviserar hela Tesseract-användningen. Efter att ha installerat beroenden (på Linux är det en mycket enklare process) så enkelt som att skriva:

pypdfocr myfile.pdf

Och öppna myfile_ocr .pdf ett tag senare.

Jag använder Microsoft OneNote som OCR-verktyg. Vid högerklick mot en bild Den kan kopiera hela texten i bilder och den har också möjlighet att söka text med i bilden. Det är gratis och exakt och körs på windows och stöder nästan alla bildformat.

Det kan också söka igenom PDF-filer och Bilder i PDF-filer.

Bonuspoäng är att den stöder flera språk :) Engelska, franska, spanska också

https://www.microsoft.com/en-us/store/p/leadtools-ocr/9wzdncrdr0d5 är en liten enkel WinRT-app (fungerar också bra på Win10) som inte gör något mer än att ta en bild eller pdf och skicka en sandwich-PDF eller text. Det är ganska ful och har absolut ingen konfiguration, men det gör den här lilla uppgiften perfekt.

Du kan få sökbar text med Google Drive.

Välj först en nyckelinställning. Under "allmänt" i dina Google Drive-inställningar markerar du rutan "Konvertera uppladdningar: Konvertera uppladdade filer till Google Docs-redigeringsformat."

Ladda nu upp pdf-filen till din Google Drive (klicka på "ny" och sedan "filuppladdning"). När uppladdningen är klar (kan ta en minut eller två) högerklickar du på den. (Om du har problem med att hitta det, försök att slå "Senaste" i vänster sidofält.) Som jag sa högerklickar du på pdf-filen du laddade upp och väljer "Öppna med ... Google Docs". Nu har du sökbar text.

Ett annat alternativ är pdf2pdfocr ( https://github.com/LeoFCardoso/pdf2pdfocr) som är baserad på Tesseract-OCR och kan köras på Windows, MacOS och Linux operativsystem.

Ansvarsfriskrivning: Jag är pdf2pdfocr-utvecklaren.

Medan de andra svaren på den här tråden fokuserar på skrivbordsprogramvara har jag haft mycket framgång med den här webbtjänsten: http://www.searchablepdfs.org/

Det låter dig ladda upp en PDF av ett skannat dokument och det genererar en "sandwich-PDF" med inbäddad OCR-text som du kan kopiera / klistra in.

Fördelar:

• Snabb
• OCR-textigenkänning av hög kvalitet (de resultat jag har fått har varit minst lika bra som vad jag har kunnat få från att använda tesseract , som Cornelius nämnde )
• Plattformsöverskridande (det är en webbapplikation så att du inte behöver installera någon programvara själv)
• Gratis

Nackdelar:

• Stöder endast engelska dokument
• Bearbetar bara upp till 10 sidor per fil

Ytterligare två alternativ:

1) Online: www.sandwichpdf.com

2) Skrivbord (flera operativsystem): NAPS2 - https: //www.naps2 .com /

Ta en titt på OCRvision. OCRvision är en sökbar PDF-programvara. Den kan konvertera alla skannade dokument i en mapp till sökbar PDF automatiskt. Den stöder flerspråkig OCR. Den kan konfigureras för både skannade PDF- och bildfiler och sedan konvertera till sökbar pdf

Ansvarsfriskrivning: - Jag är associerad med OCRvision som utvecklare