WP Manifestindependent plugin directory
manifest / media / tainacan-ocr-search

Tainacan OCR Search

Plugin WordPress que torna PDFs e imagens das coleções Tainacan pesquisáveis via OCR (Tesseract + OCRmyPDF) — fluxo guiado para fichas médicas e relatórios escaneados.

by Marcos Sigismundo · github.com/marcossigismundo/tainacan-ocr-search · website

★ 0stars
0forks

Install

No release zip yet. The repository archive installs, but the folder name will carry the branch suffix and updates will not flow:

wp plugin install https://github.com/marcossigismundo/tainacan-ocr-search/archive/refs/heads/main.zip
Readme github.com/marcossigismundo/tainacan-ocr-search ↗

Aplica OCR (Tesseract + OCRmyPDF) em PDFs e imagens das coleções Tainacan, deixando o conteúdo pesquisável pela busca textual nativa.

Description

O Tainacan OCR Search é um plugin pensado para acervos com fichas médicas, relatórios escaneados e outros documentos em imagem. Ele:

  • Verifica automaticamente se Tesseract e OCRmyPDF estão disponíveis no servidor.
  • Adiciona ao Tesseract uma camada de texto invisível por baixo das páginas escaneadas (preserva o visual original).
  • Processa anexos em lote, por coleção, com barra de progresso e log.
  • Reindexa o item-pai no Tainacan para que o conteúdo apareça na busca textual.
  • Pode rodar OCR automaticamente em novos uploads.
  • 100% on-premises — nenhum documento sai do servidor (LGPD).

Dependências

  • Tesseract OCR com pacote de idioma por.
  • OCRmyPDF.
  • (Opcional) pdftotext (poppler-utils) para extração de texto puro.
  • (Opcional) PHP Imagick para converter imagens isoladas em PDF.

Linux: sudo apt install tesseract-ocr tesseract-ocr-por ocrmypdf poppler-utils macOS: brew install tesseract tesseract-lang ocrmypdf poppler Windows: instale o Tesseract UB-Mannheim e pip install ocrmypdf.

Uso

  1. Ative o plugin (com Tainacan já ativo).
  2. Vá em Tainacan → OCR Search.
  3. Siga os 4 passos da página: verificar dependências, configurar, processar em lote, e (opcional) rodar wp tainacan index-content --collection=all para reindexar o acervo inteiro.