OCRmyPDF Portable — Windows (onedir)

Este proxecto crea unha versión portable de OCRmyPDF para Windows, empaquetada con PyInstaller (onedir).

O resultado é un cartafol dist/OCRmyPDFPortable/ que contén un executábel (OCRmyPDFPortable.exe) listo para usar nun equipo Windows sen Python instalado.

---

📂 Estrutura do proxecto

ocrmypdf-portable-windows-onedir/
├─ launcher.py
├─ sitecustomize.py
├─ build.spec
├─ build.bat
├─ requirements.txt
├─ README.md
├─ vendors/
│  ├─ tesseract/
│  │  ├─ tesseract.exe
│  │  └─ tessdata/
│  │     ├─ eng.traineddata
│  │     ├─ spa.traineddata
│  │     ├─ glg.traineddata
│  │     ├─ configs/
│  │     │  ├─ hocr
│  │     │  └─ txt
│  │     └─ tessconfigs/...
│  ├─ ghostscript/
│  │  ├─ bin/gswin64c.exe
│  │  ├─ lib/...
│  │  ├─ Resource/...
│  │  └─ iccprofiles/...
│  ├─ pngquant/
│  │  └─ pngquant.exe
│  ├─ jbig2enc/
│  │  └─ jbig2.exe
│  └─ qpdf/
│     ├─ qpdf.exe
│     └─ (DLLs necesarias)

---

🔧 Ferramentas incluídas en vendors/

• Tesseract OCR (tesseract.exe + tessdata/)
• Ghostscript (gswin64c.exe + DLLs)
• pngquant (para optimización de imaxes)
• jbig2enc (compilado en Windows, require toolchain + libpng/libtiff/libjpeg/libz/libiconv)
• QPDF (binario oficial portable ZIP de GitHub, contén qpdf.exe + DLLs)

---

🖥️ Requisitos no equipo de desenvolvemento

• Windows 10/11 (64-bit)
• Python 3.10–3.12 (64-bit)
• pip, venv
• PyInstaller
• MSYS2/MinGW64 (só se queres recompilar jbig2enc)

---

🚀 Preparar o proxecto

1. Clona ou copia este proxecto a un cartafol de traballo.

2. Crea e activa un entorno virtual:

   py -3.12 -m venv venv
   .\venv\Scripts\activate
   python -m pip install -U pip
   python -m pip install -r requirements.txt

3. Executa os scripts de descarga para dependencias:

   .\download_tesseract.ps1
   .\download_ghostscript.ps1
   .\download_pngquant.ps1
   .\download_qpdf.ps1

   (se xa tes jbig2enc.exe compilado, cópiao a vendors/jbig2enc/).

---

🏗️ Construír (PyInstaller — onedir)

No entorno activado:

pyinstaller --clean build.spec

Isto creará dist/OCRmyPDFPortable/.

---

▶️ Probar no equipo destino

Copia dist/OCRmyPDFPortable/ a un Windows sen Python. Executa:

cd dist\OCRmyPDFPortable
launcher.exe input.pdf output.pdf --language eng+spa --optimize 3

---

📌 Notas

• Se tesseract ou qpdf non se atopan, comproba que existen en vendors/.
• Para optimización avanzada precisas pngquant e (opcional) jbig2enc.
• O sitecustomize.py está configurado para evitar erros con imaxes JPEG truncadas.

---

📜 Licenzas

• OCRmyPDF: MPL-2.0
• Tesseract OCR: Apache 2.0
• Ghostscript: AGPL
• pngquant: GPL v3
• jbig2enc: GPL v2
• QPDF: Apache 2.0