企业官网建设流程全解析

Joplin OCR 如何配置离线语言数据路径，在无网络环境执行文字识别？

【免费下载链接】joplinJoplin - the privacy-focused note taking app with sync capabilities for Windows, macOS, Linux, Android and iOS.项目地址: https://gitcode.com/GitHub_Trending/jo/joplin

如果你的计算机无法连接互联网，仍希望在 Joplin 桌面版中对手中的图片（PNG、JPEG）和 PDF 附件做文字识别（OCR），需要把 OCR 语言数据文件（.traineddata.gz）提前放到本地目录，并在 Joplin 设置中把 "OCR: Language data URL or path" 指向该目录。完成配置后，Joplin 不再从默认地址https://cdn.jsdelivr.net/npm/@tesseract.js-data/在线拉取语言数据，即可在无网络环境下执行文字识别。该流程适用于 Joplin 桌面应用——文档扫描只在桌面端进行（这是一个资源消耗较大的过程），移动端本身不做扫描，而是通过同步获得 OCR 数据。

准备条件

• 一台可以联网的机器，用于下载语言数据文件；以及一台目标无网络机器，上面装有 Joplin 桌面版。
• 明确要识别的语言。Joplin 会为每种语言加载一个对应的.traineddata.gz文件，目录里必须有该语言的训练数据文件。
• 确认 OCR 已启用：OCR 默认是开启的；如果没有，可以在设置界面（Configuration screen）的 "General" 部分开启。设置界面的打开方式见 readme/apps/config_screen.md：
  • Windows / Linux：菜单Tools > Options，或按Ctrl+,。
  • macOS：菜单Joplin > Preferences，或按Cmd+,。
• 了解默认行为：启用 OCR 后，Joplin 默认从https://cdn.jsdelivr.net/npm/@tesseract.js-data/下载语言文件；首次下载后这些语言数据文件会被缓存。只有默认地址无法访问（例如断网）时，才需要通过下文的路径设置改用本地文件。

在联网机器上获取语言数据文件

Joplin 支持的语言数据文件遵循统一的 URL 规则（来自 readme/apps/ocr.md）：

https://cdn.jsdelivr.net/npm/@tesseract.js-data/[language]/4.0.0_best_int/[language].traineddata.gz

其中[language]需要替换为受支持的语言代码，文档中列出的例子包括eng、fra、chi_sim、deu、spa。以英语和法语为例：

• 英语：https://cdn.jsdelivr.net/npm/@tesseract.js-data/eng/4.0.0_best_int/eng.traineddata.gz
• 法语：https://cdn.jsdelivr.net/npm/@tesseract.js-data/fra/4.0.0_best_int/fra.traineddata.gz

按将要 OCR 的语言数量，逐个下载对应的.traineddata.gz文件。

传输文件并放到同一目录

1. 将上一步下载的所有.traineddata.gz文件传输到无网络的计算机（U 盘、内网传输等方式由你自行决定，文档未限定具体方式）。
2. 将全部文件移动到同一个目录下，文档给出的 Windows 示例目录为：

C:\Users\User\Documents\joplin-ocr-data\

这个目录只是文档示例，你可以使用任何目录，但要求所有语言数据文件都在同一个目录内，后面设置里填的就是这个目录的路径。

在 Joplin 中配置语言数据路径

1. 打开设置界面（快捷键或菜单路径见上文"准备条件"）。
2. 进入 settings > general > advanced。
3. 将 "OCR: Language data URL or path" 设置为上一步目录的文件路径（即包含所有.traineddata.gz文件的那个目录）。
4. 点击 "Apply"。
5. 启用 OCR（如果尚未启用）。

该设置项既可以是一个 URL，也可以是一个本地路径，它必须指向一个包含每种待用语言.traineddata.gz文件的目录。若机器上有已缓存的旧语言数据需要替换，文档给出的操作是点击 "Clear cache and re-download language data files"；注意按钮名称中的 "re-download" 表明该操作会重新下载语言文件，在无网络环境下使用它意味着需要先恢复联网，请按需操作。

验证 OCR 已在离线环境工作

启用后 Joplin 会开始扫描你的图片（PNG 和 JPEG）和 PDF 附件并提取文字数据。文档提醒：如果附件较多，首次全量扫描时 CPU 占用会明显高于平时，属于预期现象，扫描完成后恢复正常；之后新附加的文件会被快速扫描，基本无感知。

确认识别结果有两种方式：

• 搜索命中附件：在搜索框输入查询词时，应用不仅匹配笔记，也匹配附件的 OCR 文字；命中的附件所在笔记顶部会显示一个横幅，标明匹配的附件。桌面和移动端都可以搜索 OCR 文字（移动端的数据来自同步）。

• 查看 OCR 文本：右键点击一个 PDF 链接或图片，选择 "View OCR text"，Joplin 会用该附件的 OCR 文本新建一个文本文件并在你的文本编辑器中打开。

如果你能搜索到附件文字、能打开并看到识别出的文本内容，说明本地语言数据已被正确加载，OCR 正在离线工作。

识别能力边界

文档明确了当前 OCR 系统的适用范围，配置离线语言数据不会改变这些限制：

• 对印刷体文字、PDF（尤其是扫描件 PDF）、文字清晰的截图（如屏幕截图）识别可靠。
• 目前不支持手写文字。
• 照片上的文字能否识别取决于清晰度，不保证。
• OCR 系统是可插拔设计（未来可能更换或支持多种 OCR 技术，或对接自建/内网 OCR 服务），但文档说明该插拔接口目前存在于代码中、尚未对外暴露，当前只能通过 "OCR: Language data URL or path" 定制语言数据地址。

更多背景（可访问 PDF 生成、初始扫描开销等）见 readme/apps/ocr.md。

【免费下载链接】joplinJoplin - the privacy-focused note taking app with sync capabilities for Windows, macOS, Linux, Android and iOS.项目地址: https://gitcode.com/GitHub_Trending/jo/joplin