开源PDF文字识别神器OCRmyPDF部署教程，扫描文档秒变可搜索PDF，NAS极简安装配置帕斯内网穿透实现远程访问

项目介绍

OCRmyPDF 是一个功能强大的开源 PDF OCR（光学字符识别）工具，专门用于为扫描的 PDF 文件添加可搜索的文本层。它基于 Python 开发，使用 Tesseract OCR 引擎，支持超过 100 种语言的文字识别。

该项目的核心功能是将不可搜索的扫描 PDF 文档转换为可搜索、可复制粘贴的 PDF/A 格式文件。它不仅能保持原始图像的精确分辨率，还能优化 PDF 文件大小，通常生成的文件比输入文件更小。OCRmyPDF 支持页面旋转校正、倾斜校正、多核心并行处理，并且经过数百万 PDF 文件的实战测试，稳定可靠。

无论是个人用户需要处理扫描文档，还是企业需要批量处理历史文档数字化，OCRmyPDF 都是一个理想的解决方案。它支持命令行操作，可以轻松集成到自动化工作流程中，让文档管理变得更加高效。

项目地址： 点我跳转

部署安装

如需在外也打开项目需要配置内网穿透使用，点击前往 帕斯内网穿透，先注册好账号备用。

OCRmyPDF 提供了官方的 Docker 镜像，这是最简单快速的部署方式。Docker 镜像包含了所有必要的依赖项，包括 Tesseract OCR 引擎和 Ghostscript，开箱即用。

打开飞牛 NAS 或其他的 NAS 设备 点击本地镜像-添加镜像-从 URL 添加。这一步先添加 docker 镜像

镜像填 jbarlow83/ocrmypdf-alpine 等待下载完成后点击启动按钮启动容器

勾选开机自动启动后下一步，端口设置这里。请设置容器内端口 5000 映射到主机端口 5000（如果端口冲突可以修改主机端口，比如改为 5001:5000）

存储位置这里，建议创建一个文件夹用于存放输入和输出的 PDF 文件，比如创建 /data/ocrmypdf 文件夹映射到容器的 /data 目录。

环境变量设置：可选设置 TESSDATA_PREFIX: Tesseract 数据文件路径（通常不需要修改） OMP_THREAD_LIMIT: 限制 OpenMP 线程数（可以不设置，默认使用所有可用核心）

其他的都不用填写，直接下一步启动就好了。

创建成功后可以通过命令行或 Web 服务访问。如果启用了 Web 服务，可以访问 ip:5000 到这里就可以正常使用 OCRmyPDF 了

穿透公网

打开帕斯内网穿透控制台，点击隧道管理-隧道列表

点击创建新隧道

隧道节点可以随便选，一般选个负载低的就可以

接下来填写信息，隧道名称可以随便填写

本地 IP 默认就可以

传输协议可以选择 TCP 也可以选择 HTTP/HTTPS

HTTP 就是域名的形式，教程以使用 TCP 为演示

本项目中如果没有修改端口的话默认是 5000 端口，这里本地 IP 就填 5000

远程端口可以留空也可以自定义。下图仅做参考，请按照实际项目端口添加。

填写完毕点击确定

点击刚才创建好的隧道，点击获取配置文件

回到飞牛 NAS，点击应用中心下载 frpc 客户端

打开后粘贴刚才复制的配置文件，点击确定即可

复制帕斯内网穿透控制台的访问 IP 和端口

可以看到已经正常穿透成功了

本篇教程结束