PDF OCR文字识别
扫描版PDF看起来是文字，实际上却和照片一样：无法搜索，无法选中一句话，也无法让屏幕阅读器朗读。OCR会在每页背后补上缺失的文字层，文件变得可以搜索，外观仍与扫描件完全一致。
图片转文字
或将PDF, JPG, JPEG … 文件拖放到此处 ·
单个文件最大 95 MB· 最多 20 个文件· 30 分钟后删除
文件在我们的服务器上处理，并在 30 分钟后删除。
用于混用两种语言的页面，例如夹杂英文单词的印地语。其他情况请保持“无”；多加一种语言会略微降低准确率。
“保留”会保持分栏、段落和表格的原位置。“纯文本”输出一整段连续文字，更便于粘贴到表单中。
针对 PDF 和多页 TIFF：识别所有页面、仅第一页，或指定范围。
要识别的页面，例如 1-3, 5, 8-10。
使用方法
- 1
上传扫描版PDF
最多可放入 20 个 PDF,每个不超过 95 MB。JPG、TIFF 等图片文件也可以。
- 2
选择语言和页面
输出已设为可搜索 PDF。选择文档语言;如果只需要长文件中的一部分,在页面下选择页面范围。
- 3
识别并搜索
点击识别文字,下载 PDF 后,在任意 PDF 阅读器中按 Ctrl+F(Mac 上按 Cmd+F)试试搜索。
对 PDF 做 OCR 可能是两种不同的需求:保留扫描件并添加隐藏的文字层,或把文字提取到新文档中。本页默认做第一种,换一个设置即可做第二种。
可搜索PDF里到底包含什么
可搜索 PDF,有时称为“图像加文字”,每页保存两样内容:作为图片的原始扫描件,以及恰好覆盖在印刷文字上方的不可见识别文字层。阅读器显示图片,并用文字层来搜索、选择、复制和供屏幕阅读器朗读。外观完全不变,所以档案馆、律师事务所和记录管理部门处理纸质扫描件时都偏爱这种方式。
PDF 于 2008 年成为开放标准 ISO 32000;PDF/A 是 ISO 19005 定义的归档规范,广泛用于需要保持数十年可读的扫描记录。Adobe Acrobat 用“扫描和 OCR”工具完成同样的工作,许多办公扫描仪也有“可搜索 PDF”输出;这里得到的是可在任意阅读器中打开的普通 PDF。
添加文字层或提取文字
可搜索 PDF
每页保持扫描原样,并在其后添加不可见的文字。
- 与原件看起来完全一致
- 在任意阅读器中搜索、选择和复制
- 签名、印章和照片保持不变
Word (.docx)
把识别出的文字重建为新文档中的段落和表格。
- 完全可编辑
- 版面为近似还原,并非原样复制
- 使用保留图片可保留照片
纯文本或 Markdown
只有文字,按阅读顺序排列。
- 输出文件最小
- 可粘贴到表单、笔记和代码中
- 无需整理版面
当扫描件本身就是记录时,例如签署的协议、地契、医疗报告,应选择可搜索 PDF。其他输出会根据识别出的文字生成新文档,适合需要编辑的情况,但副本的质量取决于识别效果。如果 PDF 本身已有真实文字,想得到 Word,请用 PDF 转 Word,它直接读取现有文字,无需 OCR;只要文字的话,扫描版 PDF 转文字正是为此设置的。
文字层对文件大小的影响很小,因为文字相比页面图片微不足道。如果扫描件本来就大到无法通过上传表单,请先做 OCR,再压缩 PDF到表单允许的大小。
在线PDF OCR：语言、页面与限制
- 种识别语言,包含从右到左书写的文字
- 34
- 每批的 PDF 或图片数量
- 20
- 单个文件上限
- 95 MB
- 后删除上传文件和结果
- 30 分钟
PDF OCR常见问题
怎么判断PDF是否需要OCR？
打开文件,试着选中一个词,或用 Ctrl+F(Mac 上用 Cmd+F)搜索。如果没有任何内容高亮,说明该页是图片,需要 OCR。混合文件很常见:合同在 Word 中录入,签字页扫描后附在末尾。
OCR会改变PDF的外观吗？
选择可搜索 PDF输出时不会。页面图片原样保留,识别出的文字是不可见的,所以打印和查看效果一样。校正页面倾斜和自动旋转可能会把歪斜或横放的页面摆正,这通常正是你想要的。
长PDF能只对部分页面做OCR吗？
可以。将页面设为页面范围,再输入页码,例如 1-5, 12, 20-24。篇幅很长的扫描件只识别需要的页面,速度明显更快。
OCR之后屏幕阅读器能朗读PDF吗？
屏幕阅读器可以读取其中的文字,而纯图片扫描件做不到。完整的无障碍访问还需要标题标签、阅读顺序和替代文字,这些 OCR 不会添加,所以必须符合无障碍规范的文档,之后请用无障碍检查工具再检查一遍。
OCR识别旧文件或褪色文档效果如何？
效果不如清晰的扫描件。字迹褪色时请开启增强对比度,条件允许的话以 300 DPI 重新扫描。复写纸副本和多次复印的复印件始终需要校对。
这里的PDF OCR是免费的吗？
可以,无需账号,也没有付款步骤。文件在处理后 30 分钟删除,中间的处理过程请看工作原理。
- 扫描版PDF转文字扫描版PDF无法选中或搜索文字？OCR逐页识别页面图像，提取为纯文本，可选页码范围。
- PDF转Word转换器将PDF转换为真正可编辑的Word。文字重排为普通段落，扫描页经OCR识别，支持34种语言，一次最多20个文件。
- 在线OCR文字识别免费在线OCR，识别照片、截图和扫描PDF中的文字。可直接复制，或保存为Word、可搜索PDF、Markdown。了解OCR擅长识别什么、无法做到什么。
- 图片转Word将截图、扫描件和照片转换为可编辑的Word文档。支持34种语言、多语言混排页面和工整的手写字。免费使用，无需注册。
- PDF转文本将任意PDF中的文字提取为干净的UTF-8文本文件。扫描件先经OCR识别，可选页码范围，只保留文字。
- PDF压缩到900KB将PDF压缩到900KB，轻松通过Google Forms、学校平台和各类网页的1MB上传限制，还留约100KB余量。免费，最多20个文件。
