python - 在为扫描的 PDF 创建文本层时编辑文本而不弄乱页面外观？

Question

在为扫描的 PDF 编辑创建文本（使用 OCR 获取文本）图层（因为 OCR 给出错误的文本）时，文本不会弄乱页面外观？

ocrmypdf在创建 textlayer（能够搜索扫描的 PDF）和提供 PDF/A 标准文档（不会弄乱任何页面 UI）方面做得最好。它使用 Tesseract ocr 来检测文本，但有时 Tesseract 会给出错误的检测文本。所以我想让用户更改该文本并完成 PDF 的创建。

属于 OCR 的示例PDF无法正常工作。所以想在渲染成PDF之前更新ocr检测到的文本。

解决方案需要像，更改 ocrmypdf 的源代码或使用 PDFBOX 更新文本都对我有用。

例子：

OCRMYPDF 输入文件

OCRMYPDF 输出文件

标签： pythonpdfocrpdfbox