Zotero OCR

这个Zotero插件为在Zotero中选择的PDF添加了执行OCR的功能。它可以添加一个包含识别文本的新PDF，一个仅包含识别文本的笔记，以及HTML（HOCR）文件。文本识别本身使用Tesseract OCR进行。

先决条件

• 已安装Tesseract OCR
  • Windows用户请参见 https://github.com/UB-Mannheim/tesseract/wiki
  • Linux和Mac用户请参见 https://tesseract-ocr.github.io/tessdoc/Installation.html
• 已下载并安装poppler库中的pdftoppm
  • 安装提示：https://github.com/UB-Mannheim/zotero-ocr/wiki/Install-pdftoppm

安装

安装扩展：

• 下载最新版本的XPI文件。
• 在Zotero中，转到工具→附加组件，并将.xpi文件拖到附加组件窗口上。
• 可能需要在附加组件选项中调整Tesseract的路径。

配置

可以在工具→Zotero OCR首选项（Zotero 6）或Zotero→设置（Zotero 7）中访问配置。

默认情况下，OCR引擎和pdftoppm路径字段为空，这意味着会查看常用位置。如果不起作用，你应该在本地机器上找到这些工具，并输入包含工具本身名称的完整路径。

Tesseract使用的默认语言/脚本只能是已安装模型中的一个。如果你将该字段留空，将使用始终与Tesseract一起安装的英语模型（eng）。

此外，这些选项被保存为Zotero首选项变量，也可以通过配置编辑器访问。

构建和发布

运行build.sh脚本，创建新的.xpi文件。

对于新版本，运行release.sh脚本。它会运行build.sh脚本，提交新版本的代码更改并添加标签。将更新后的本地master分支和标签推送到GitHub。然后在GitHub上发布新版本并附上.xpi文件。

开发

代码更改后，可以通过./build.sh <版本>构建新的扩展文件。然后在Zotero中转到工具，附加组件，从文件安装附加组件...，并选择新创建的.xpi文件。Zotero 6将重启并加载新构建的附加组件版本。Zotero 7无需重启，会立即激活它。

如果出现任何错误，可以在帮助，报告错误...对话框中看到更多详细信息。要查看一些调试消息，可以在Zotero的帮助中激活调试输出日志记录。

许可证

Zotero OCR是免费的开源软件。源代码根据GNU Affero通用公共许可证v3发布。