Read, extract, split, merge, r…

# 12份扫描PDF合同批量OCR+重命名+合并书签全流程

一、准备工作

• 确认PDF是纯扫描件还是含文字层：用PDF阅读器尝试选中文字，选不中则需OCR
• 备份原始文件，所有操作在副本上进行

二、批量OCR提取文字（三种方案）

方案A：本地软件（推荐，合同涉密不外传）

• Adobe Acrobat Pro：打开“批量处理/动作向导”→添加“识别文本（OCR）”→导入12个文件一键处理
• 免费方案：ABBYY FineReader（试用版）或开源的 OCRmyPDF 命令行工具：

```

ocrmypdf -l chi_sim+eng input.pdf output.pdf

```

支持中英混排，可批量写脚本循环处理

方案B：在线工具（如合同含敏感信息慎用）：Smallpdf、ILovePDF等均有OCR功能

要点：语言选“简体中文”（有英文则选中英混合）；OCR后抽查1-2份核对识别准确率，尤其甲乙方名称、金额、日期

三、提取甲乙方名称并重命名

• 手动方式：OCR完成后，逐份打开查看首页，复制甲方/乙方名称（12份数量不大，约20分钟可完成）
• 半自动方式：用Python脚本（pdfplumber提取文字+正则匹配“甲方：/乙方：”后的内容）
• 重命名规则建议：甲方简称-乙方简称-合同类型-日期.pdf，例：XX公司-YY公司-采购合同-2024.pdf
• 名称中的特殊字符（如/ : * ?）需替换为横线，否则无法保存
• 批量重命名工具：PowerToys（Windows免费）、ReNamer

四、合并为带书签总文件

• Acrobat Pro：工具→合并文件→按合同顺序拖入排列→合并后进入“组织页面”，为每个合同起点手动添加书签（书签名=文件名/合同名）
• 免费方案：
• PDF Arranger / PDFsam Basic：合并文件
• Python脚本（pypdf库）：合并时自动为每份合同创建书签：

```python

from pypdf import PdfWriter

writer = PdfWriter()

for f in files:

writer.append(f, outline_item=f[:-4])

writer.write("合同总汇.pdf")

```

• 建议：合并前确定排列顺序（如按签订日期），书签命名与文件名保持一致便于检索

五、质检清单

• [ ] 抽查OCR文字准确率，重点核对双方名称、金额
• [ ] 检查每个书签跳转位置是否正确
• [ ] 总文件命名如2024年度合同汇编.pdf，归档备份

推荐路线：OCRmyPDF（OCR）→ 手动核对重命名 → pypdf脚本（合并+书签），全程本地化，安全免费。