掃描 PDF 轉文字工具

Q: 打字機文件或舊書頁面的掃描 PDF 也能轉文字嗎？

通常可以。打字機與書籍的字體都是規則的印刷字母，而**拉正頁面**能修正掃描裝訂書籍時常出現的傾斜。褪色嚴重的頁面開啟**增強對比**會辨識得更好。

Q: 為什麼雙欄頁面轉出來的文字會混在一起？

當**文字版面**設為保留版面（此處的預設值）時，欄位會分開處理。如果兩欄的行仍然交錯，代表掃描檔上兩欄之間的間距很窄；改用更乾淨、頁面擺正的掃描檔通常就能解決。

如果 PDF 裡連一個字都無法反白選取，那就是掃描檔：只是一疊頁面照片，裡面沒有任何文字。上傳到這裡，OCR 會把每一頁辨識成純文字，讓您複製、搜尋和編輯。

或將PDF, JPG, JPEG … 檔案拖曳到這裡 ·

每個檔案最大 95 MB· 最多 20 個檔案· 30 分鐘後刪除

輸出

文件語言

輸出

文字類型

檔案會在我們的伺服器上處理，並於 30 分鐘後刪除。

使用方式

1
上傳掃描版 PDF
加入 PDF 檔案，最多可一次加入 20 個，每個不超過 95 MB。多頁 TIFF 掃描檔與單頁圖片也適用。
2
設定語言與頁面
文件語言選擇英文，輸出選擇純文字 (.txt)。處理其他語言的文件時請更換語言；在進階設定中使用頁面，可只辨識長檔案中的某個範圍。
3
辨識文字
按下辨識文字。系統會先拉正頁面並轉為直立，再依序讀取，合併成一個文字檔。

掃描 PDF 與可搜尋 PDF：為什麼找不到文字

純圖片 PDF掃描 PDF · 不可搜尋的 PDF · 平面 PDF: 頁面以圖片形式儲存的 PDF，通常來自掃描器、影印機的掃描轉電子郵件功能，或手機掃描 App。它看起來像文件，但內部沒有字元編碼，所以無法選取、搜尋或朗讀。

從 Word 或瀏覽器匯出的一般 PDF 含有文字物件：每個字都以字元、字型和位置儲存，所以搜尋與複製都能運作。掃描器則省略這一切，每頁只存成一張圖片。對電腦來說，印著你合約的那一頁，與一張貓的照片是同一類資料。

OCR 會重建缺少的那一層。系統先整理頁面圖片，找出行與字，再將每個字形與所選文件語言的字母表比對。本頁將結果以純文字傳回。另一種常見的結果是可搜尋的 PDF：掃描圖像保持可見，辨識出的文字則以隱形文字加在後面，這是 PDF 標準 ISO 32000 一直允許的顯示模式。

免費的 Adobe Acrobat Reader 可以顯示掃描檔，但不能執行 OCR；辨識功能屬於付費版 Acrobat。如果你只是一次性需要文字、不想再多訂閱一項服務，轉換器是捷徑。如果掃描品質仍然不好，我們的指南如何將文件掃描成 PDF介紹了掃描器與手機的設定。

掃描 PDF 轉文字的掃描解析度

Size	Pixels	cm	in	DPI	Fits
Letter	1700 × 2200	21.59 × 27.94	8.5 × 11	200	僅適用大字、清晰的印刷；小字會靠猜測
Letter	2550 × 3300	21.59 × 27.94	8.5 × 11	300	印刷頁面 OCR 的標準設定
A4	2480 × 3508	21 × 29.7	8.27 × 11.69	300	A4 紙張上的相同細節程度
A4	3307 × 4677	21 × 29.7	8.27 × 11.69	400	註腳、小字、老式打字機頁面

掃描 PDF 轉文字結果出錯的情況

整頁的文字辨識成亂碼
該頁可能使用其他語言或文字。請將文件語言設為相符的語言，同一頁有第二種語言時，再加上一併辨識。
句子在中途斷行，字尾出現連字號
這是沿用印刷時的斷行。在文字版面中選擇純文字流，即可得到連續的一整段文字；殘留的連字號需要快速尋找並取代。
文字檔缺少某些頁面
請在進階設定中確認頁面設為全部頁面。像 1-3 這樣的範圍會刻意限制辨識的頁數。

PDF

Portable Document Format

PDF 由 Adobe 於 1993 年建立，2008 年成為開放的 ISO 32000 標準。它會固定文字、字型、圖片與版面，讓文件在每個螢幕和印表機上看起來都一樣。PDF 可包含表單、簽章、連結、附件和可搜尋的文字，其中 PDF/A 版本則用於長期存檔。固定的版面讓 PDF 不易編輯，而掃描的 PDF 除非套用 OCR，否則只含圖片。所有瀏覽器和作業系統都能開啟。

壓縮方式: –
透明度: 支援
動畫: 不支援
推出年份: 1993 · Adobe

PDF 轉檔工具

TXT

純文字

TXT 檔只包含單純的字元，沒有格式、字型、圖片或版面。現代文字檔通常以涵蓋所有語言的 UTF-8 編碼，不過較舊的檔案可能使用其他編碼而出現亂碼。純文字檔極小、永不過時，從手機到伺服器的每種裝置都能開啟。它無法容納粗體、表格或圖片，因此結構只能靠空白或簡單標記來表示。

壓縮方式: –
透明度: –
動畫: –
推出年份: –

TXT 轉檔工具

掃描的 PDF 儲存的是頁面圖片，所以文字無法複製、搜尋或建立索引；將文字辨識成 TXT 檔後，掃描檔就變成可在編輯器、翻譯工具或搜尋框中使用的文字。

掃描 PDF 轉文字常見問題

如何判斷 PDF 是掃描檔還是已經含有文字？

試著選取一句話，或按 Ctrl+F 或 Command+F 搜尋一個字。如果游標像選取圖片一樣選到整頁，而且搜尋不到任何結果，就是純圖片的掃描檔，需要 OCR。如果文字能正常反白，表示文字本來就存在，使用 PDF 轉 TXT 即可精確擷取，不需要辨識。

輸出純文字和可搜尋 PDF，哪一種比較好？

純文字適合重複利用文字內容：引用、翻譯、貼到資料庫或電子郵件。可搜尋的 PDF 會保留掃描檔的外觀，並把文字隱藏在圖像後面，適合存檔與合約。如果你要的是後者，請使用 OCR PDF。

掃描解析度多少，PDF 轉文字的效果最好？

一般印刷頁面用 300 DPI。Tesseract 的文件指出，在 300 DPI 下，小於約 10 pt 的文字準確度會下降，因此註腳與小字建議用 400 DPI。提高到 600 DPI 對 OCR 幫助不大，PDF 卻會大上好幾倍。

打字機文件或舊書頁面的掃描 PDF 也能轉文字嗎？

通常可以。打字機與書籍的字體都是規則的印刷字母，而拉正頁面能修正掃描裝訂書籍時常出現的傾斜。褪色嚴重的頁面開啟增強對比會辨識得更好。

為什麼雙欄頁面轉出來的文字會混在一起？

當文字版面設為保留版面（此處的預設值）時，欄位會分開處理。如果兩欄的行仍然交錯，代表掃描檔上兩欄之間的間距很窄；改用更乾淨、頁面擺正的掃描檔通常就能解決。