• https://ocrmypdf.readthedocs.io/en/latest/
• https://github.com/ocrmypdf/OCRmyPDF
• Tesseract OCR를 이용해 PDF OCR / PDF 최적화 등을 수행해준다.
• 알PDF : Windows 용 강력한 OCR 제공

• ocrmypdf

sudo apt install ocrmypdf  tesseract-ocr-kor tesseract-ocr-kor-vert gscan2pdf

• docker 기반으로 사용하는게 편할지도
• https://hub.docker.com/r/jbarlow83/ocrmypdf-alpine
• https://hub.docker.com/r/jbarlow83/ocrmypdf-ubuntu

• Tesseract OCR 환경변수 설정 등도 확인

ocrmypdf -l eng+kor --jobs 4 <원본.pdf> <OCR인식결과.pdf>
 
# 이미지 보정 기능 등 추가
 
ocrmypdf -l kor+eng \
    --deskew # 비틀림 보정
    --clean # 배경 깨끗하게 
    ---optimize 3  # PDF 용량 최적화. 최적화 안하려면 0
    <원본.pdf>
    <OCR인식결과.pdf>
 
# OCR 재실행. 이미 OCR 된 파일에 재실행. 최적화 등은 수행하지 않음.
ocrmypdf -l eng --redo-ocr ... input.pdf output.pdf
 
# OCR 없이 PDF 이미지 최적화만 실행
ocrmypdf --tesseract-timeout=0 --optimize 3 --skip-text input.pdf output.pdf

• Tesseract OCR가 여러 언어를 동시에 인식하면 인식률이 떨어진다는 얘기가 있으나, 그렇다고 ocrmypdf 로 언어를 따로따로 두번 인식시키면 앞서 인식한 언어 데이터는 사라지게 되므로 한 번에 모든 언어를 처리할 것.

• PDF 문서 OCR 하는 법 | Free PDF OCR (ocrmypdf)