OCR 语言包安装 —— 让扫描书也能选中查询
OCR 引擎：Tesseract
KOReader 的 OCR（光学字符识别）功能基于 Tesseract 引擎——开源的文字识别引擎，支持百余种语言。引擎本身随 KOReader 安装，你需要安装的是语言数据包。
语言数据包列表
Tesseract 语言包（.traineddata 文件）：
| 语言 | 文件名 | 大小 | 用途 |
|---|---|---|---|
| 简体中文 | chi_sim.traineddata | ~40MB | 识别简体中文扫描书 |
| 繁体中文 | chi_tra.traineddata | ~40MB | 识别繁体中文 |
| 英文 | eng.traineddata | ~15MB | 识别英文 |
| 日文 | jpn.traineddata | ~30MB | 识别日文 |
| 韩文 | kor.traineddata | ~30MB | 识别韩文 |
| 法文 | fra.traineddata | ~15MB | 法文 |
| 德文 | deu.traineddata | ~15MB | 德文 |
| 多语言 | chi_sim+eng.traineddata | ~55MB | 中英混排（推荐） |
安装步骤
第一步：下载语言包
从 KOReader OCR 设置页点击「下载语言包」，KOReader 会从 Tesseract 官方源下载。
也可以手动下载：
- Tesseract 官方语言包仓库
- KOReader GitHub Releases 附有的语言包
第二步：放到 OCR 语言目录
| 平台 | OCR 语言目录 |
|---|---|
| 通用 | KOReader 配置目录下的 data/tessdata/ |
第三步：重启 KOReader
重启后语言包生效。
第四步：在文档中启用 OCR
打开无文字层的 PDF → 文档设置 → OCR 识别 → 选择语言包 → 开始识别。
选择正确的语言包
识别效果取决于语言匹配：
| 文档内容 | 推荐语言包 |
|---|---|
| 纯简体中文 | chi_sim |
| 纯繁体中文 | chi_tra |
| 中英混排 | chi_sim+eng |
| 纯英文 | eng |
| 日文漫画对白 | jpn |
选错语言包会导致识别率很低甚至完全失败。
识别质量提升
除了选对语言包，还可以：
- 文档先裁边：自动裁边让 KOReader 更准确识别文字区域
- 倾斜校正：歪歪扭扭的页面先校正再 OCR
- 提高 DPI：如果源 PDF 分辨率低（< 300DPI），识别率肯定差——只能接受
- 手动选择区域：只 OCR 你要的页面，别 OCR 整本
OCR 语言包体积注意
某些语言包很大：
chi_sim.traineddata：~40MB- 多语言
chi_sim+eng：~55MB - 完整所有语言可能 200MB+
设备存储空间有限的话，按需安装（中英日文三种够大多数场景）。
继续阅读
- OCR 识别 —— OCR 识别完整用法
- K2pdfopt 重排 —— K2pdfopt 重排（OCR 完后再重排）
- StarDict词典 —— StarDict 词典（OCR 完后查词）