使用OCRmyPDF生成可搜索PDF的依赖与文件大小问题求助

一、可选依赖安装问题解决 #

1. pngquant 识别问题 #

• 先验证系统级安装有效性：执行 pngquant --version 确认工具正常运行
• 若虚拟环境无法调用，可通过软链接关联：
  Linux/macOS 下执行：ln -s /usr/bin/pngquant /path/to/your/venv/bin/pngquant（替换为你的虚拟环境实际路径）

2. jbig2 安装方案 #

jbig2 为系统级工具，需通过以下方式安装：

• Debian/Ubuntu：sudo apt-get install jbig2dec
• RHEL/CentOS：先启用 EPEL 仓库再安装：sudo yum install epel-release && sudo yum install jbig2dec
• macOS：使用 Homebrew 安装：brew install jbig2dec
• 通用源码编译方式：
  1. 克隆源码：git clone https://github.com/agl/jbig2enc.git
  2. 编译安装：cd jbig2enc && ./autogen.sh && ./configure && make && sudo make install
• 安装完成后，用软链接让虚拟环境识别：ln -s /usr/local/bin/jbig2 /path/to/your/venv/bin/jbig2

二、输出PDF体积过大的优化方法 #

体积膨胀多因图像压缩策略或处理流程导致，结合 --deskew 参数场景，可尝试以下操作：

• 启用高级压缩参数：
  执行命令时添加 --optimize 3（最高压缩级别）+ --jbig2-lossy（需依赖 jbig2），示例：
  ocrmypdf --deskew --optimize 3 --jbig2-lossy input.pdf output.pdf
• 降低输出DPI：
  若原扫描件DPI过高，通过 --output-dpi 调整为150或200，平衡清晰度与体积：
  ocrmypdf --deskew --output-dpi 150 --optimize 3 input.pdf output.pdf
• 强制单色压缩：
  针对单色扫描件，添加 --force-monochrome 强制使用单色图像压缩，避免格式转换导致体积增大：
  ocrmypdf --deskew --force-monochrome --optimize 3 input.pdf output.pdf
• 精简图像处理步骤：
  若原图像已清晰，可跳过不必要的预处理（如 --skip-clean），减少冗余处理带来的体积开销

内容的提问来源于stack exchange，提问作者Sisir Das