【免费下载链接】DocufinderAnything — 파일 이름이 아니라 본문으로 찾는 문서 검색기. HWP·PDF·Office 전문 검색을 오프라인으로. Windows·macOS | Offline content search across Korean documents (HWP, PDF, Office). Windows and macOS项目地址https://gitcode.com/gh_mirrors/do/Docufinder点击查看免费下载Docufinder是一款 100% 本地运行的文档内容搜索引擎它的核心能力之一就是扫描版 PDF 全文搜索通过内嵌的 PaddleOCRDBNet 文本检测 SVTR 文字识别把纯图片页读成文字再写入本地索引让关键词、文件路径、日期过滤器全部生效。无需把 PDF 上传到任何云端 OCR 服务扫描件、图片版合同、老旧报表都能像文本型 PDF 一样被直接搜到。为什么扫描件搜不到内容普通 PDF 的每一页都内嵌一层文字层搜索引擎可以直接提取。而扫描版 PDF本质是一张张图片页面上没有任何可提取的文字右键复制一无所获传统全文索引只会建出一个空索引怎么搜都没有结果多栏排版、页眉页脚还会让简单拼接的 OCR 文本左右串栏、夹带噪音。Docufinder 的做法是索引时自动识别出没有文字层的页面把这些页面栅格化成图片交给本地 OCR 引擎识别再把结果并入 SQLite FTS5 全文索引。Docufinder 的扫描 PDF 处理流程整个流程在src-tauri的 Rust 后端完成纯本地 ONNX Runtime 推理无外部进程、无网络依赖src-tauri/src/ocr/mod.rs扫描页判定PDF 解析器对每一页先尝试提取内嵌文字若可提取字符数少于 10 个或判定为乱码即认定该页为扫描页src-tauri/src/parsers/pdf.rs#L27-L33 中的SCANNED_PAGE_CHAR_THRESHOLD常量混合处理同一份 PDF 里文本页走直接提取、扫描页走 OCR互不干扰文字型页面不浪费 OCR 算力PaddleOCR 两步识别DBNet 检测模型先框出所有文本区域detectionSVTR 识别模型逐区域识别并做 CTC 解码recognition坐标几何裁剪见geometry模块安全护栏单文件最多 OCR 20 页、文件上限 100MB、图片宽度上限 2000px防止超大扫描文档拖垮索引。 这些模型文件已包含在安装包里v3.4.3开箱即用运行过程中不会联网下载 OCR 相关文件。版面分析让多栏扫描件也按正确顺序被搜索单纯 OCR 有一个通病双栏文档会左栏读一半、右栏读一半页眉页脚还会混进正文。Docufinder 在设置中提供了**实验性的版面分析**选项基于 PP-DocLayout ONNX 模型约 22MB首次开启时下载一次阅读顺序恢复通过 XY-Cut 算法对文本区域排序双栏、多栏扫描件按人类阅读顺序重组src-tauri/src/ocr/reading_order.rs区域分类把页面划分为正文、标题、列表、表格、图片、说明文字、页眉、页脚、页码等区域src-tauri/src/ocr/layout.rs噪音过滤页眉、页脚、页码在达到置信度阈值后从正文索引中剔除搜索页码数字不再刷屏。完整设计思路可阅读 docs/OCR-LAYOUT-DESIGN.md。开启扫描 PDF 全文搜索的 3 个步骤第一步添加文件夹并等待索引运行 Docufinder左侧点击添加文件夹选中存放扫描件的目录安装与目录管理流程参考 docs/install-guide.jpg。第二步设置 → 搜索 选项卡打开 OCR 开关在 src/components/settings/tabs/SearchTab.tsx 对应界面中打开OCR开关ocr_enabled——扫描件与图片jpg/png/tiff 等才会被识别建索引需要更干净的结果时再打开其下方的版面分析实验性ocr_layout_enabled。第三步触发重新索引并验证新开启 OCR 后界面对已索引过但从未做过 OCR 的文件夹会提示重新索引点击确认即可。完成后在搜索框输入扫描件里的任意关键词如预算、签收命中文档会出现在结果列表中点击即可预览对应内容。小技巧结合关键词模式的运算符还能进一步缩小范围例如ext:pdf只搜 PDFpath:合同限定文件夹after:2024-06限定修改时间。常见问题Q1OCR 会不会把我的文件上传到云端不会。OCR 使用本地 ONNX 模型识别、索引、搜索全部发生在你的电脑上只要不开启可选的 AI 问答功能整个产品不存在任何文档外传路径。Q2一份 300 页的扫描 PDF 会全部被 OCR 吗不会。每份文件最多处理前 20 个扫描页MAX_OCR_PAGES且跳过超过 100MB 的文件这是为了保证索引速度可控正文文字型页面不受此限制。Q3为什么打开 OCR 后旧文档搜不到OCR 是在索引阶段执行的此前已索引的 PDF 没有跑过识别。按界面提示对这些文件夹执行一次重新索引即可之后新增文件会实时自动处理。Q4识别结果偶尔有错字怎么办OCR 准确率取决于扫描件质量分辨率、倾斜度、噪点。开启版面分析通常能显著改善多栏和页眉干扰问题对关键文档建议保持原文件 150dpi 以上再扫描。核心模块路径速查模块路径OCR 引擎PaddleOCR ONNX 编排src-tauri/src/ocr/mod.rs版面分析与区域分类src-tauri/src/ocr/layout.rs阅读顺序XY-Cutsrc-tauri/src/ocr/reading_order.rs扫描 PDF 解析与阈值src-tauri/src/parsers/pdf.rs图片 OCR 解析器src-tauri/src/parsers/image_ocr.rs模型下载与校验src-tauri/src/model_downloader.rsOCR/版面分析开关界面src/components/settings/tabs/SearchTab.tsx版面分析设计文档docs/OCR-LAYOUT-DESIGN.md总结让扫描件可搜索只需两件事本地 OCR 识别版面顺序恢复。Docufinder 将 PaddleOCR 与 PP-DocLayout 打包进 Windows / macOS 桌面应用全程离线、按页混合处理、带性能护栏配合 FTS5 全文索引和预览定位扫描件从此不再是搜索盲区。只需添加文件夹 → 打开 OCR → 重新索引三步你积累多年的图片版 PDF 就能按正文关键词被秒级搜出。赞分享【免费下载链接】DocufinderAnything — 파일 이름이 아니라 본문으로 찾는 문서 검색기. HWP·PDF·Office 전문 검색을 오프라인으로. Windows·macOS | Offline content search across Korean documents (HWP, PDF, Office). Windows and macOS项目地址https://gitcode.com/gh_mirrors/do/Docufinder点击查看免费下载相关推荐OCRmyPDF 实战指南为扫描版 PDF 添加可搜索 OCR 文本层OCRmyPDF 实战指南为扫描版 PDF 添加可搜索 OCR 文本层 本文以每日精选收录的开源工具 OCRmyPDF 为核心系统讲解如何将「只有图片、无法文档技术博客知识库OCRmyPDF技术解析如何为扫描版PDF添加可搜索文本层OCRmyPDF技术解析如何为扫描版PDF添加可搜索文本层 项目概述 OCRmyPDF是一款基于Python开发的PDF处理工具其主要功能是为扫描图像生成的OCRCLI如何用 OCRmyPDF 为扫描版 PDF 添加可搜索的 OCR 文字层如何用 OCRmyPDF 为扫描版 PDF 添加可搜索的 OCR 文字层 扫描得到的 PDF 往往只是逐页图像文字无法选中、无法搜索、无法复制。OCRmyPDOCRCLI上一篇Wireshark抓包过滤器HTTP方法语法示例下一篇SPIN与HuggingFace集成如何快速使用预训练模型进行自对弈微调创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考