1

Tesseract was originally developed at Hewlett-Packard Laboratories Bristol UK and at Hewlett-Packard Co, Greeley Colorado USA between 1985 and 1994, with some more changes made in 1996 to port to Windows, and some C++izing in 1998. In 2005 Tesseract was open sourced by HP. From 2006 until November 2018 it was developed by Google

1

Tesseractは元々、1985年から1994年にかけて、イギリスのヒューレット・パッカード研究所（Hewlett-Packard Laboratories Bristol UK）と、アメリカのコロラド州グリーリーのヒューレット・パッカード社（Hewlett-Packard Co, Greeley Colorado USA）で開発された。2005年、TesseractはHPによってオープンソース化された。2006年から2018年11月まではGooglによって開発されていた。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

I searched the web for a free command line tool to OCR PDF files: I found many, but none of them were really satisfying:

Either they produced PDF files with misplaced text under the image (making copy/paste impossible)
Or they did not handle accents and multilingual characters
Or they changed the resolution of the embedded images
Or they generated ridiculously large PDF files
Or they crashed when trying to OCR
Or they did not produce valid PDF files
On top of that none of them produced PDF/A files (format dedicated for long time storage)
...so I decided to develop my own tool.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

PDFファイルをOCRするフリーのコマンドラインツールをウェブで探した：たくさん見つけたが、どれも満足できるものではなかった：

画像の下のテキストの位置がずれている（コピー・ペーストが不可能）PDFファイルが生成される。
アクセント記号や多言語文字を扱えない。
埋め込み画像の解像度を変えてしまう
とんでもなく大きなPDFファイルを生成する
OCRしようとするとクラッシュする
有効なPDFファイルを生成しない
その上、PDF/Aファイル（長期保存専用フォーマット）を生成するものもなかった。
そこで、私は独自のツールを開発することにしました。