Elijah/convertor
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

fix: 修復行尾格式（CRLF → LF）

Browse source
This commit is contained in:
Your Name 2026-01-23 16:35:54 +08:00
parent a1761b7da5
commit c2d3d13c89
6 changed files with 243 additions and 77 deletions
Download patch file Download diff file Expand all files Collapse all files

63
src/converters/ocrmypdf.ts
View file

@ -24,24 +24,24 @@ import type { ExecFileFn } from "./types";
// 內建支援的 OCR 語言（與 PDFMathTranslate 風格一致）
const SUPPORTED_LANGUAGES = [
"en", // English
"zh-TW", // 繁體中文
"zh", // 簡體中文
"ja", // 日本語
"ko", // 한국어
"de", // Deutsch
"fr", // Français
"en", // English
"zh-TW", // 繁體中文
"zh", // 簡體中文
"ja", // 日本語
"ko", // 한국어
"de", // Deutsch
"fr", // Français
] as const;
// Tesseract 語言代碼映射（UI 代碼 → Tesseract 代碼）
const LANG_MAP: Record<string, string> = {
"en": "eng",
en: "eng",
"zh-TW": "chi_tra",
"zh": "chi_sim",
"ja": "jpn",
"ko": "kor",
"de": "deu",
"fr": "fra",
zh: "chi_sim",
ja: "jpn",
ko: "kor",
de: "deu",
fr: "fra",
};
export const properties = {
@ -64,7 +64,7 @@ function extractOcrLanguage(convertTo: string): string {
if (!match || !match[1]) {
throw new Error(`Invalid convertTo format: ${convertTo}. Expected pdf-<lang>`);
}
const uiLang = match[1];
// 轉換為 Tesseract 語言代碼
const tessLang = LANG_MAP[uiLang] || uiLang.replace(/-/g, "_");
@ -98,7 +98,7 @@ function runOcrMyPdf(
console.log(`[OCRmyPDF] ========================================`);
console.log(`[OCRmyPDF] 🔍 開始 PDF OCR 處理`);
console.log(`[OCRmyPDF] ========================================`);
// 階段 1：驗證輸入檔案
console.log(`[OCRmyPDF] 📋 階段 1/5：驗證輸入檔案`);
if (!existsSync(inputPath)) {
@ -108,23 +108,26 @@ function runOcrMyPdf(
const inputStats = statSync(inputPath);
console.log(`[OCRmyPDF] ✅ 輸入檔案: ${basename(inputPath)}`);
console.log(`[OCRmyPDF] ✅ 檔案大小: ${formatFileSize(inputStats.size)}`);
// 階段 2：準備 OCR 參數
console.log(`[OCRmyPDF] 📋 階段 2/5：準備 OCR 參數`);
console.log(`[OCRmyPDF] ✅ OCR 語言: ${lang}`);
const args = [
"-l", lang,
"--skip-text", // 跳過已有文字的頁面
"--optimize", "1", // 輕度優化
"--deskew", // 自動校正傾斜
"--rotate-pages", // 自動偵測頁面方向
"--jobs", "2", // 使用 2 個並行處理
"-l",
lang,
"--skip-text", // 跳過已有文字的頁面
"--optimize",
"1", // 輕度優化
"--deskew", // 自動校正傾斜
"--rotate-pages", // 自動偵測頁面方向
"--jobs",
"2", // 使用 2 個並行處理
inputPath,
outputPath,
];
console.log(`[OCRmyPDF] ✅ 參數: --skip-text --optimize 1 --deskew --rotate-pages`);
// 階段 3：執行 OCR
console.log(`[OCRmyPDF] 📋 階段 3/5：執行 Tesseract OCR...`);
console.log(`[OCRmyPDF] ⏳ 處理中（大型 PDF 可能需要數分鐘）...`);
@ -132,11 +135,11 @@ function runOcrMyPdf(
execFile("ocrmypdf", args, (error: Error | null, stdout: string, stderr: string) => {
const elapsed = ((Date.now() - startTime) / 1000).toFixed(1);
if (error) {
// 階段 3 失敗處理
console.log(`[OCRmyPDF] ❌ OCR 處理失敗（耗時 ${elapsed}s）`);
// 檢查特定錯誤類型
if (stderr && stderr.includes("PriorOcrFoundError")) {
console.log(`[OCRmyPDF] 📋 階段 4/5：PDF 已有文字層，跳過 OCR`);
@ -187,11 +190,11 @@ function runOcrMyPdf(
reject(new Error(`OCR output file not found: ${outputPath}`));
return;
}
const outputStats = statSync(outputPath);
console.log(`[OCRmyPDF] ✅ 輸出檔案: ${basename(outputPath)}`);
console.log(`[OCRmyPDF] ✅ 檔案大小: ${formatFileSize(outputStats.size)}`);
// 階段 5：完成
console.log(`[OCRmyPDF] 📋 階段 5/5：處理完成`);
console.log(`[OCRmyPDF] ========================================`);
@ -200,7 +203,7 @@ function runOcrMyPdf(
console.log(`[OCRmyPDF] 📤 輸出: ${formatFileSize(outputStats.size)}`);
console.log(`[OCRmyPDF] ⏱️ 耗時: ${elapsed}s`);
console.log(`[OCRmyPDF] ========================================`);
resolve(outputPath);
});
});
@ -229,7 +232,7 @@ export async function convert(
console.log(`[OCRmyPDF] ║ OCRmyPDF - PDF OCR 處理引擎 ║`);
console.log(`[OCRmyPDF] ╚════════════════════════════════════════╝`);
console.log(``);
try {
// 步驟 1：解析參數
console.log(`[OCRmyPDF] 🔧 解析轉換參數...`);