一个可以让你做到这一点的工具是PDF-XChange Viewer。免费版本将允许您以多种语言对文档进行 OCR（您可以免费下载其他语言包）并将 OCR 文本添加为​​覆盖文本层，您可以从中复制并使用 CTRL+F 进行搜索。

• 具有许多功能的快速 PDF 查看器
• 快速 OCR 引擎（除非您选择最佳精度）
• 很多选项PRO旁边都有图标（仅在 Pro 版本上可用）但您可以隐藏它们
• 颜色管理和自定义屏幕 DPI 设置
• 仅限 Windows 的应用程序，似乎在Wine上不起作用（查看器可以工作，但 OCR 功能使其崩溃）

它没有什么：

• OCR 没有利用多核
• OCR 不检测字符样式（粗体、斜体）或复制功能丢失它们
• 它不使用正确的罗马尼亚 变音符号，但如果您在编辑器中复制文本并进行搜索和替换，则可以修复：

试试pdfsandwich。从手册页：

pdfsandwich 生成“三明治”OCR pdf 文件，即仅包含图像（无文本）的 pdf 文件将通过光学字符识别 (OCR) 进行处理，并且文本将被添加到每个页面不可见的“背后”图像。

pdfsandwich 是一个命令行实用程序。如果您有一个扫描的 pdf 文件，例如这个：（alice.pdf这是您可能听说过的小说的第一章），请像这样调用 pdfsandwich：

pdfsandwich alice.pdf

这将生成一个alice_ocr.pdf看起来像原始文件的文件，但识别的文本将放置在扫描图像的后面。您现在可以进行全文搜索或选择文本区域。

另一种选择可能是OCRmyPDF.

较新版本的Tesseract（撰写本文时为 3.03 RC）可以做到这一点：

• 免费、开源和跨平台
• 从 3.03 版开始 PDF 输出可用
• 命令行软件
• 多语言支持
• 不幸的是，单个图像输入，因此要制作完整的文档，必须创建一个批处理脚本来将每个页面图像转换为可搜索的 PDF。之后，应使用pdftk等工具将 PDF 页面合并为单个 PDF 。

这是命令：

tesseract -l <lang> input.tif output pdf

pypdfocr对我有用。它是一个简化整个 Tesseract 使用的 Python 脚本。安装依赖项后（在 Linux 上这是一个更简单的过程），只需键入：

pypdfocr myfile.pdf

myfile_ocr.pdf并在稍后打开。