feat: 新增 OCRmyPDF 轉換引擎 (v0.1.14)
## 新功能 - OCRmyPDF 轉換引擎：將掃描版 PDF 轉換為可搜尋 PDF - 支援 7 種語言：en, zh-TW, zh, ja, ko, de, fr - 與 PDFMathTranslate 風格一致的 UI 格式 (pdf-<lang>) - 自動偵測頁面方向並旋轉 - 自動校正傾斜 - 跳過已有文字層的頁面 - 詳細的 5 階段處理進度輸出 ## 建置 - Dockerfile：安裝 ocrmypdf 與 Tesseract OCR 語言包 ## 文件 - 更新 OCR 功能文件 - 文件目錄結構改為中文名稱 ## 測試 - 修復 BabelDOC 和 PDFMathTranslate 測試的 OCR mock - 所有 345 個測試通過
This commit is contained in:
Your Name
parent
f24eec070c
commit
a06df23b1d
53 changed files with 1427 additions and 675 deletions
|
|
@ -1,223 +0,0 @@
|
|||
# 支援的轉換器
|
||||
|
||||
ConvertX-CN 完整版已內建 20+ 種轉換器，支援 1000+ 種格式。
|
||||
|
||||
---
|
||||
|
||||
## 轉換器總覽
|
||||
|
||||
| 轉換器 | 用途 | 輸入格式 | 輸出格式 |
|
||||
| ---------------- | ------------ | -------- | -------- |
|
||||
| FFmpeg | 影音 | ~472 | ~199 |
|
||||
| ImageMagick | 圖片 | 245 | 183 |
|
||||
| GraphicsMagick | 圖片 | 167 | 130 |
|
||||
| Vips | 高效圖片處理 | 45 | 23 |
|
||||
| LibreOffice | 文件 | 41 | 22 |
|
||||
| Pandoc | 文件 | 43 | 65 |
|
||||
| Calibre | 電子書 | 26 | 19 |
|
||||
| Inkscape | 向量圖形 | 7 | 17 |
|
||||
| libjxl | JPEG XL | 11 | 11 |
|
||||
| libheif | HEIF | 2 | 4 |
|
||||
| Assimp | 3D 模型 | 77 | 23 |
|
||||
| Potrace | 點陣轉向量 | 4 | 11 |
|
||||
| VTracer | 點陣轉向量 | 8 | 1 |
|
||||
| resvg | SVG | 1 | 1 |
|
||||
| XeLaTeX | LaTeX | 1 | 1 |
|
||||
| dvisvgm | 向量圖形 | 4 | 2 |
|
||||
| Dasel | 資料檔案 | 5 | 4 |
|
||||
| msgconvert | Outlook | 1 | 1 |
|
||||
| VCF to CSV | 聯絡人 | 1 | 1 |
|
||||
| Markitdown | 文件 | 6 | 1 |
|
||||
| MinerU | PDF → MD | 1 | 2 |
|
||||
| PDFMathTranslate | PDF 翻譯 | 1 | 15+ |
|
||||
|
||||
---
|
||||
|
||||
## 影音轉換
|
||||
|
||||
### FFmpeg
|
||||
|
||||
最強大的影音轉換工具，支援幾乎所有影音格式。
|
||||
|
||||
**常見輸入格式：**
|
||||
|
||||
- 影片：MP4, MKV, AVI, MOV, WebM, FLV, WMV...
|
||||
- 音訊：MP3, WAV, FLAC, AAC, OGG, M4A...
|
||||
|
||||
**常見輸出格式：**
|
||||
|
||||
- 影片：MP4, WebM, MKV, GIF...
|
||||
- 音訊：MP3, WAV, FLAC, AAC...
|
||||
|
||||
**硬體加速：**
|
||||
|
||||
```yaml
|
||||
environment:
|
||||
- FFMPEG_ARGS=-hwaccel cuda
|
||||
- FFMPEG_OUTPUT_ARGS=-c:v h264_nvenc
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 圖片處理
|
||||
|
||||
### ImageMagick
|
||||
|
||||
通用圖片處理工具，支援 200+ 種格式。
|
||||
|
||||
**支援格式：**
|
||||
|
||||
- 點陣圖：PNG, JPG, GIF, BMP, TIFF, WebP...
|
||||
- RAW：CR2, NEF, ARW, DNG...
|
||||
- 其他：PSD, PDF, EPS...
|
||||
|
||||
### Vips
|
||||
|
||||
高效能圖片處理，適合大型圖片。
|
||||
|
||||
**優勢：**
|
||||
|
||||
- 記憶體使用效率高
|
||||
- 處理速度快
|
||||
- 適合批次處理
|
||||
|
||||
### 向量圖形
|
||||
|
||||
| 工具 | 用途 |
|
||||
| -------- | -------------- |
|
||||
| Inkscape | SVG 編輯與轉換 |
|
||||
| Potrace | 點陣圖轉向量 |
|
||||
| VTracer | 照片轉向量 |
|
||||
| resvg | SVG 渲染 |
|
||||
|
||||
---
|
||||
|
||||
## 文件轉換
|
||||
|
||||
### LibreOffice
|
||||
|
||||
辦公文件轉換引擎。
|
||||
|
||||
**輸入格式：**
|
||||
|
||||
- Microsoft Office：DOC, DOCX, XLS, XLSX, PPT, PPTX
|
||||
- OpenDocument：ODT, ODS, ODP
|
||||
- 其他：RTF, TXT, CSV
|
||||
|
||||
**輸出格式：**
|
||||
|
||||
- PDF, DOCX, ODT, TXT, HTML, EPUB...
|
||||
|
||||
### Pandoc
|
||||
|
||||
標記語言文件轉換。
|
||||
|
||||
**輸入格式：**
|
||||
|
||||
- Markdown, reStructuredText, Org-mode
|
||||
- HTML, LaTeX, EPUB
|
||||
- Word, ODT
|
||||
|
||||
**輸出格式：**
|
||||
|
||||
- PDF, DOCX, HTML, LaTeX
|
||||
- EPUB, Markdown, 純文字
|
||||
|
||||
### Calibre
|
||||
|
||||
電子書轉換專家。
|
||||
|
||||
**輸入格式：**
|
||||
|
||||
- EPUB, MOBI, AZW, AZW3
|
||||
- PDF, HTML, TXT
|
||||
- CBZ, CBR（漫畫）
|
||||
|
||||
**輸出格式：**
|
||||
|
||||
- EPUB, MOBI, AZW3
|
||||
- PDF, HTML, TXT
|
||||
|
||||
---
|
||||
|
||||
## 進階功能
|
||||
|
||||
### MinerU
|
||||
|
||||
將 PDF 轉換為結構化 Markdown。
|
||||
|
||||
**輸出模式：**
|
||||
|
||||
- `md-t`：表格以 Markdown 呈現
|
||||
- `md-i`：表格以圖片呈現
|
||||
|
||||
**輸出格式：** `.tar` 封裝
|
||||
|
||||
### PDFMathTranslate
|
||||
|
||||
翻譯 PDF 同時保留數學公式與排版。
|
||||
|
||||
**支援目標語言：**
|
||||
|
||||
- 英文 (pdf-en)
|
||||
- 繁體中文 (pdf-zh-TW)
|
||||
- 簡體中文 (pdf-zh)
|
||||
- 日文 (pdf-ja)
|
||||
- 韓文 (pdf-ko)
|
||||
- 德文、法文等
|
||||
|
||||
**特色：**
|
||||
|
||||
- 保留數學公式
|
||||
- 保留圖表
|
||||
- 保留排版
|
||||
|
||||
**環境變數：**
|
||||
|
||||
```yaml
|
||||
- PDFMATHTRANSLATE_SERVICE=google # 翻譯服務
|
||||
```
|
||||
|
||||
### OCR (Tesseract)
|
||||
|
||||
光學字元辨識，將圖片文字轉為可編輯文字。
|
||||
|
||||
**內建語言：**
|
||||
|
||||
- 繁體中文、簡體中文
|
||||
- 日文、韓文
|
||||
- 英文、德文、法文
|
||||
|
||||
---
|
||||
|
||||
## 內建依賴
|
||||
|
||||
ConvertX-CN 完整版已預載：
|
||||
|
||||
| 類別 | 內建內容 |
|
||||
| ------------ | -------------------------------------------- |
|
||||
| **文件轉換** | LibreOffice (headless)、Pandoc |
|
||||
| **LaTeX** | TexLive Full |
|
||||
| **OCR** | Tesseract + 繁/簡中、日、韓、英、德語言包 |
|
||||
| **CJK 字型** | Noto CJK、Noto Emoji、微軟核心字型、標楷體 |
|
||||
| **影音轉換** | FFmpeg、ImageMagick、GraphicsMagick |
|
||||
| **向量圖形** | Inkscape、Potrace、VTracer、resvg |
|
||||
| **電子書** | Calibre |
|
||||
| **其他** | Ghostscript、MuPDF、Poppler、libheif、libjxl |
|
||||
|
||||
---
|
||||
|
||||
## 新增轉換器
|
||||
|
||||
如需新增轉換器支援，歡迎：
|
||||
|
||||
1. 📝 [提交 Issue](https://github.com/pi-docket/ConvertX-CN/issues)
|
||||
2. 🔧 [發送 Pull Request](https://github.com/pi-docket/ConvertX-CN/pulls)
|
||||
|
||||
---
|
||||
|
||||
## 相關文件
|
||||
|
||||
- [OCR 功能](ocr.md)
|
||||
- [翻譯功能](translation.md)
|
||||
- [Docker 部署](../deployment/docker.md)
|
||||
Loading…
Add table
Add a link
Reference in a new issue