PDF OCR Converter

Мощное и красивое веб-приложение для конвертации отсканированных PDF-документов в "поисковые" PDF (searchable PDF) с распознанным текстом, сохраняя при этом оригинальное оформление и изображения.

Особенности

• Высокое качество распознавания: Использование встроенного PDF-генератора Tesseract OCR для правильной кодировки кириллицы и других языков.
• Гибкий выбор страниц: Поддержка парсинга диапазонов (например, 1-10, 15, 20-30), а также удобные пресеты (первые 10, первая половина и т.д.).
• Режимы разметки (PSM): Настройка алгоритма под разные типы документов (книги, таблицы, колонки).
• Потрясающий интерфейс: Современный дизайн (Glassmorphism, темная тема), работающий прямо в вашем браузере.
• Автоматическая установка зависимостей: Установка Tesseract OCR и Poppler прямо из веб-интерфейса в один клик.
• Приватность: Вся обработка происходит локально на вашем компьютере. Документы никуда не отправляются.

Системные требования

• Windows 10 / 11
• Python 3.10+
• Tesseract OCR (можно установить через интерфейс программы)
• Poppler (можно установить через интерфейс программы)

Установка и запуск (для разработчиков)

1. Клонируйте репозиторий:

   git clone <URL_репозитория>
   cd ocr_pdf_converter

2. Установите зависимости:

   pip install -r requirements.txt

3. Запустите приложение:

   python app.py

   Или используйте start.bat для быстрого запуска на Windows.

4. Откройте браузер по адресу http://localhost:8000. В разделе "Настройки" программа поможет скачать и установить необходимые внешние компоненты (Tesseract и Poppler).

Использование

1. Запустите программу и откройте интерфейс в браузере.
2. Перетащите ваш отсканированный PDF-файл.
3. Укажите нужные страницы для распознавания.
4. Выберите язык и качество (DPI).
5. Нажмите "Начать OCR обработку".
6. После завершения скачайте готовый PDF-файл с распознанным текстом!

Лицензия

См. файл LICENSE. Распространение и копирование без разрешения запрещено.