一个基于 ocrmypdf 的 PDF OCR 自动化处理工具，支持中文和英文识别，适用于 macOS 系统。支持拖拽 PDF 文件或文件夹到终端自动处理，并可替换原文件。
- 🧠 自动识别并 OCR 处理 PDF（中文简体 + 英文）
- 📁 支持拖拽文件或文件夹，自动遍历 PDF
- 🔁 可覆盖原始文件或另存为
_ocr.pdf - 🚀 自动检测并使用多核 CPU 加速
- 🔧 集成进度提示与异常处理
- 🍎 优化支持 macOS（Apple Silicon）
确保你已安装以下工具（macOS 用户建议使用 Homebrew）：
brew install ocrmypdf tesseract ghostscript安装语言包：
brew install tesseract-lang # 或
wget https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata \
-P /opt/homebrew/share/tessdata/你可以在 /opt/homebrew/bin/ocrmypdf 路径找到程序。
可选：创建 Python 虚拟环境
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt方法一：运行 Python 脚本（推荐）
python3 ocrMyPDF.py根据提示拖入 PDF 文件或文件夹：
📥 PDF OCR 工具已启动，可反复拖拽 PDF 路径到终端中使用
📂 拖入 PDF 文件路径（输入 Q 回车退出）：
>> '/Users/you/Documents/example.pdf'
方法二：使用 run.sh 脚本快速启动
chmod +x run.sh
./run.sh| 参数 | 含义 |
|---|---|
| --force-ocr | 无论是否存在文本层，强制重新 OCR |
| --language | 设置语言（此处为 "chi_sim+eng"） |
| --image-dpi | 图像 DPI，推荐为 300 |
| --tesseract-oem 1 | 使用 LSTM 引擎 |
| --deskew | 自动校正倾斜页面 |
| --output-type pdf | 输出 PDF 格式 |
| --jobs auto | 自动并行处理（根据 CPU 核心数） |
ocrMyPDF/
├── ocrMyPDF.py # 主程序：拖拽文件或文件夹自动识别
├── run.sh # 运行启动脚本
├── requirements.txt # 可选依赖（如果使用虚拟环境）
└── README.md # 当前说明文档
📄 开始处理：example.pdf
✅ 已保存至：example.pdf
如遇以下警告：
DecompressionBombWarning: Image size exceeds limit...
建议预处理图像或使用压缩工具降低分辨率。
- 输出为 PDF/A，部分元数据可能被清理。
- 若未能识别中文，请确认是否正确安装
chi_sim.traineddata。 - 文件太大可能触发 Pillow 的安全限制（默认 250MP 像素）。
如有建议或改进想法，欢迎提出 issue 或直接交流！